গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

সাইকেলগান আনপেয়ারড ট্রান্সলেশন কুইজ

পর্যালোচনা করুন কিভাবে CycleGAN পেয়ার করা উদাহরণ ছাড়া ইমেজ অনুবাদ করতে বিপরীত ম্যাপিং, প্রতিকূল বৈষম্যকারী এবং চক্রের ধারাবাহিকতা ব্যবহার করে।

প্রশ্ন 1 এর 8

সাইকেলগান কোন মূল সমস্যাটি সমাধান করে যা পিক্স২পিক্সের মতো আগের পদ্ধতিগুলি করতে পারেনি?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. সাইকেলগান কোন মূল সমস্যাটি সমাধান করে যা পিক্স২পিক্সের মতো আগের পদ্ধতিগুলি করতে পারেনি?
    • এটি আগে-পরে জোড়ার প্রয়োজন ছাড়াই ছবি অনুবাদ করে
    • এটি সম্পূর্ণভাবে একটি মোবাইল CPU-তে চলে
    • এটি যেকোন প্রশিক্ষণের ডেটার প্রয়োজনীয়তা দূর করে
    • এটি শুধুমাত্র কালো-সাদা ছবিতে কাজ করে
  2. চক্র-সংগতি ক্ষতি কি বলবৎ করে?
    • যে সমস্ত আউটপুট ইমেজ গ্রেস্কেল হয়
    • এটি অন্য ডোমেনে একটি চিত্র অনুবাদ করে এবং ফিরে আসলটি পুনরুদ্ধার করে
    • যে বৈষম্যকারী সর্বদা জয়ী হয়
    • যে জেনারেটর একই ওজন ভাগ
  3. একটি স্ট্যান্ডার্ড সাইকেলগান কয়টি জেনারেটর ব্যবহার করে?
    • এক
    • চার
    • দুই
    • তিন
  4. CycleGAN সাধারণত কোন ধরনের বৈষম্যকারী ব্যবহার করে?
    • পুরো ছবিতে একটি একক সিগময়েড
    • একটি পূর্বপ্রশিক্ষিত ইমেজনেট শ্রেণীবদ্ধকারী
    • কোনো বৈষম্যকারী নয়
    • একটি PatchGAN যা চিত্র প্যাচগুলিকে শ্রেণীবদ্ধ করে
  5. কেন কখনও কখনও সাইকেলগানে পরিচয় হারানো হয়?
    • একটি ইনপুট ইতিমধ্যেই টার্গেট ডোমেনের সাথে মেলে তখন রঙ সংরক্ষণে সহায়তা করতে
    • প্রশিক্ষণ দ্রুত করতে
    • বৈষম্যকারীদের প্রয়োজন দূর করতে
    • চিত্রগুলিকে স্কেচে রূপান্তর করতে
  6. এর মধ্যে কোনটি ক্লাসিক সাইকেলগান প্রদর্শন?
    • বক্তৃতা থেকে পাঠ্য তৈরি করা হচ্ছে
    • ঘোড়ার ছবিকে জেব্রা ফটোতে পরিণত করা
    • হাতের লেখা প্রতিলিপি করা
    • ভিডিও ফাইল কম্প্রেস করা
  7. Why does a standard CycleGAN use one discriminator for each image domain?
    • Each one estimates the image’s text caption
    • One discriminator identifies the source dataset and the other the author
    • Each discriminator judges whether generated images look realistic in its target domain
    • They replace the two generators
  8. How can CycleGAN support synthetic-to-real adaptation for autonomous-driving vision?
    • Generate steering labels from vehicle sounds
    • Replace all road images with segmentation text
    • Identify a driver from a voice recording
    • Translate simulator images toward the visual style of real road scenes without paired matches