Kvíz spojený s průvodcem · Střední úroveň

Kvíz s vysokým rozlišením obrázků

Pochopte, jak superrozlišení odhaduje obraz s vyšším rozlišením a proč mohou být věrohodné detaily nejednoznačné nebo vymyšlené.

Související vodicí cestySuper rozlišení obrazu
Otázka 1 z 8

Proč se superrozlišení jednoho snímku nazývá „špatně položený“ problém?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Proč se superrozlišení jednoho snímku nazývá „špatně položený“ problém?
    • Mnoho různých obrázků s vysokým rozlišením může produkovat stejný vstup s nízkým rozlišením
    • Vstupní obrázky jsou vždy neopravitelné
    • Matematika nemá vůbec žádné řešení
    • Vyžaduje více paměti než kterýkoli GPU má
  2. Jaká je běžná nevýhoda trénování sítí s vysokým rozlišením s pouze pixelovou ztrátou MSE?
    • Výstupy jsou příliš ostré a hlučné
    • Výstupy vypadají rozmazaně a příliš vyhlazené
    • Modelka odmítá zvětšit obrázek
    • Dokáže zpracovat pouze obrázky ve stupních šedi
  3. Co přidává model ESRGAN založený na GAN pro zlepšení vnímané ostrosti?
    • Větší bikubická interpolační jádra
    • Filtr pro ostření hran založený na pravidlech
    • Diskriminátor a ztráta percepčního prostoru funkcí
    • Pouze další tréninkové epochy
  4. Proč se s výstupy v super rozlišení musí ve forenzních nebo lékařských prostředích zacházet opatrně?
    • Jsou vždy méně kvalitní než vstup
    • Nelze je uložit ve standardních formátech
    • Pokaždé zdvojnásobí velikost souboru
    • Modelka vymýšlí věrohodné detaily, které nemusí být skutečným obsahem
  5. Jak superrozlišení založené na difúzi (jako SR3) generuje detaily?
    • Opakovaným dolaďováním šumu do detailů v mnoha krocích
    • Kopírováním pixelů z databáze fotografií
    • Aplikací jediné konvoluce ostření
    • Kompresí obrázku pomocí JPEG
  6. Na jaký problém se Real-ESRGAN konkrétně zaměřuje ve srovnání s dřívějšími modely SR?
    • Upscaling pouze kreslených obrázků
    • Zvládání chaotických degradací v reálném světě, jako je šum a komprese
    • Snížení rozlišení obrazu záměrně
    • Převod obrázků na vektorovou grafiku
  7. What does the sub-pixel convolution in ESPCN do?
    • It estimates optical flow between video frames
    • It classifies objects without upsampling
    • It rearranges feature channels into a higher-resolution image grid
    • It adds a text prompt to an image embedding
  8. What kind of image pairs did the RealSR dataset collect?
    • Only synthetic Gaussian-noise images
    • Text-only descriptions paired with audio
    • Unpaired medical scans from different patients
    • Real-world paired low- and high-resolution images captured with different cameras or zoom settings