Kvíz spojený s průvodcem · Střední úroveň

LaMa Resolution-Robustní kvíz o malování

Zjistěte, jak LaMa kombinuje Fourierovy konvoluce, vysoké ztráty přijímacího pole a velké masky pro malování obrazu a jeho uváděné limity.

Související vodicí cestyLama Resolution Robustní malba
Otázka 1 z 8

Jaká je charakteristická architektonická složka, která dává LaMa globální pohled na obrázek?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaká je charakteristická architektonická složka, která dává LaMa globální pohled na obrázek?
    • Rychlé Fourierovy konvoluce
    • Transformátorové samopozorné bloky
    • Opakující se vrstvy LSTM
    • Sítě kapslí
  2. Proč LaMa zvládá velké masky lépe než mnohé dřívější modely malby?
    • Funguje pouze na malých obrázcích
    • Jeho globální receptivní pole mu umožňuje pokračovat ve struktuře přes velké díry
    • Kopíruje pixely náhodně od okrajů
    • Odmítá vyplnit masky nad pevnou velikost
  3. What resolution behavior did the LaMa paper report?
    • It only works at one exact training resolution
    • It works only below the training resolution
    • It generalized to some resolutions higher than those used during training in the evaluated settings
    • It accepts no image input
  4. Jaké textury LaMa díky zpracování ve frekvenční oblasti obzvláště dobře zvládá?
    • Čistý náhodný šum
    • Pouze jednobarevné jednobarevné
    • Výhradně textové znaky
    • Opakující se, periodické textury jako cihla nebo dlaždice
  5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
    • As a comparatively efficient convolutional inpainting method
    • As a much slower model that requires a data center
    • As a video-only model
    • As a tool that never needs an image
  6. Která ztráta pomáhá LaMa vytvářet realisticky vypadající výplně spíše než rozmazané průměry?
    • Jednoduchá ztráta středních čtverců chyb v pixelech
    • Nepřátelská ztráta kombinovaná se ztrátou vnímání
    • Žádná ztrátová funkce
    • Ztráta, která měří pouze velikost souboru
  7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
    • Ztráta rozpoznávání řeči
    • A bitrate-only loss
    • A perceptual loss with a high receptive field
    • A loss that ignores image structure
  8. Who introduced LaMa in the 2021 paper?
    • Jonathan Frankle and Michael Carbin
    • Cees Taal and colleagues
    • Timothy Dozat and Christopher Manning
    • Roman Suvorov and colleagues