Тест, свързан с ръководство · Среден Ниво
DragGAN Интерактивен тест за редактиране
Разгледайте точките за управление на DragGAN, наблюдението на движението, проследяването на точките, актуализациите на латентното пространство, маските и последващите методи за редактиране на плъзгане.
Въпрос 1 на 8
Как потребителят редактира изображение в DragGAN?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Как потребителят редактира изображение в DragGAN?
- Чрез плъзгане на точки на манипулатори към целеви точки
- Чрез въвеждане на текстова подкана
- Чрез избор от предварително зададени филтри
- Чрез запис на гласова команда
- Какви са двете редуващи се основни стъпки на DragGAN?
- Кодиране и декодиране
- Наблюдение на движението и проследяване на точки
- Изрязване и преоразмеряване
- Размазване и изостряне
- Защо редакциите на DragGAN изглеждат реалистични, а не размазани?
- Използва допълнителни филтри за изостряне
- Той копира пиксели от стокови снимки
- Редакциите остават върху колектора на наученото изображение на GAN
- Увеличава разделителната способност на изображението
- Какво контролира незадължителната маска в DragGAN?
- Файловият формат на изображението
- Цветовата палитра
- Изходната резолюция
- Кои региони могат да се движат по време на редактиране
- DragGAN беше представен по-специално на кое място през 2023 г.?
- СИГРАФ
- Олимпийските игри
- Състезание по готвене
- Музикален фестивал
- Коя последваща посока разшири редактирането с плъзгане извън GAN?
- Плъзнете редактиране за аудио файлове
- Управление на базата на плъзгане за дифузионни модели
- Редактиране с плъзгане за електронни таблици
- Изцяло премахване на редакцията
- What does DragGAN’s point-tracking step do after an editing update?
- It translates the image caption
- It chooses a new GAN architecture
- It relocates the handle to the feature’s new position in the generated image
- It erases the target point from the image
- Which follow-up approach applies drag-based editing to real photographs using a diffusion model?
- CycleGAN
- SPADE
- EnCodec
- DragDiffusion