ইমেজ কালারাইজেশন কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. কেন ইমেজ কালারাইজেশনকে 'অসুস্থ' সমস্যা হিসেবে বিবেচনা করা হয়?
   • একটি একক গ্রেস্কেল মান বিভিন্ন বাস্তব রঙের সাথে মিলিত হতে পারে
   • গ্রেস্কেল চিত্রগুলিতে কোনও ব্যবহারযোগ্য তথ্য নেই
   • রঙিন ছবিগুলি প্রক্রিয়া করার জন্য খুব বড়৷
   • ক্যামেরা আর গ্রেস্কেল রেকর্ড করতে পারে না
2. জনপ্রিয় ল্যাব কালার স্পেস পদ্ধতিতে, নেটওয়ার্ক ইনপুট হিসাবে কী গ্রহণ করে?
   • সম্পূর্ণ আরজিবি চিত্র
   • শুধুমাত্র এল (হালকা) চ্যানেল
   • শুধু লাল চ্যানেল
   • দৃশ্যের গভীরতার মানচিত্র
3. কেন ঝাং এট আল. ফ্রেমের রঙের ভবিষ্যদ্বাণী সরাসরি রিগ্রেশনের পরিবর্তে রঙ 'বিন' এর উপর শ্রেণীবিভাগ হিসাবে?
   • কারণ ক্লাসিফিকেশন হল একমাত্র জিনিস যা নিউরাল নেটওয়ার্ক করতে পারে
   • ছবি ছোট করতে
   • বৈধ রঙগুলিকে নিস্তেজ, ডিস্যাচুরেটেড ফলাফলে গড় এড়াতে
   • প্রশিক্ষণের ডেটার প্রয়োজনীয়তা দূর করতে
4. মডেলরা কিভাবে শিখতে পারে যে কোন রঙের বস্তুগুলি বলা উচিত নয়?
   • এগুলি ম্যানুয়ালি প্রতিটি বস্তুর রঙের তালিকা দিয়ে প্রোগ্রাম করা হয়
   • তারা প্রতিবার এলোমেলোভাবে অনুমান করে
   • তারা গ্রেস্কেল ফাইলে সংরক্ষিত রঙের মেটাডেটা পড়ে
   • তারা গ্রেস্কেলে রূপান্তরিত লক্ষ লক্ষ রঙিন ফটো থেকে পরিসংখ্যানগত অগ্রগতি শিখে
5. একক ফটোর পরিবর্তে ভিডিও রঙ করার সময় একটি মূল চ্যালেঞ্জ কী?
   • ঝিকিমিকি এড়াতে ফ্রেম জুড়ে রঙগুলি সামঞ্জস্যপূর্ণ রাখা
   • ভিডিওগুলির কোনও গ্রেস্কেল সংস্করণ নেই৷
   • চলমান চিত্রগুলিতে রঙ যোগ করা অসম্ভব
   • প্রতিটি ফ্রেম একটি ভিন্ন রঙ হতে হবে
6. উদাহরণ-ভিত্তিক বা ইঙ্গিত-ভিত্তিক কালারাইজেশন একজন ব্যবহারকারীকে কী করতে দেয়?
   • রঙিন ছবিগুলিকে শুধুমাত্র গ্রেস্কেলে রূপান্তর করুন
   • রেফারেন্স ছবি বা ক্লিক করা রঙের ইঙ্গিত ব্যবহার করে আউটপুট গাইড করুন
   • নিউরাল নেটওয়ার্ক সম্পূর্ণরূপে নিষ্ক্রিয় করুন
   • ছবিটি অন্য ভাষায় অনুবাদ করুন
7. In the CIE Lab setup described in the guide, which channels does the network predict?
   • The L lightness channel only
   • RGB red and green but not blue
   • The a and b chrominance channels
   • The image’s camera pose
8. Why can direct regression toward an average color produce dull colorization?
   • The model is forced to output only black
   • Regression removes the lightness channel
   • The network cannot use training examples
   • Several plausible colors for a gray pixel may average to a muted, less likely color