Тест за възстановяване на трансформатор SwinIR

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. На каква трансформаторна архитектура е базиран SwinIR?
   • Трансформаторът Swin
   • Само Vision Transformer (ViT).
   • БЕРТ
   • GPT
2. Какъв е основният механизъм за внимание в SwinIR?
   • Глобално внимание към всички пиксели
   • Изместено самовнимание, базирано на прозорец
   • Внимание между изображения
   • Без внимание, само намотка
3. Как се наричат блоковете с дълбоки функции на SwinIR?
   • Плътни конволюционни блокове
   • Обърнати остатъчни блокове
   • Остатъчни въртящи се трансформаторни блокове (RSTB)
   • Капсулни блокове
4. Защо вниманието, базирано на прозорец, е по-ефективно от глобалното внимание тук?
   • Той използва по-малко цветни канали
   • Той пропуска стъпката на реконструкция
   • Обработва само ръбове
   • Цената му расте линейно с площта на изображението вместо квадратично
5. What are the three main stages in SwinIR’s restoration architecture?
   • Shallow feature extraction, deep feature extraction, and image reconstruction
   • Text tokenization, translation, and speech synthesis
   • Noise injection, denoising, and audio decoding
   • Camera sensing, object tracking, and route planning
6. Какво предимство в ефективността демонстрира SwinIR пред конкурентите на CNN?
   • Не се нуждаеше от данни за обучение
   • Той постигна най-съвременни резултати с много по-малко параметри
   • Мина без никакви навивки
   • Премахна необходимостта от графични процесори
7. What components does a SwinIR Residual Swin Transformer Block combine?
   • A text tokenizer and a language-model decoder
   • A GAN discriminator and a vocoder
   • Swin Transformer layers with residual connections and a convolution
   • A camera sensor and a LiDAR encoder
8. Which image-restoration task besides super-resolution did the SwinIR paper evaluate?
   • Разпознаване на реч
   • Машинен превод
   • Protein sequence design
   • JPEG compression-artifact reduction