Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Πρακτικό Κουίζ Αποκατάστασης Real-ESRGAN

Μάθετε πώς το Real-ESRGAN προσομοιώνει την υποβάθμιση της εικόνας στον πραγματικό κόσμο και χειρίζεται τους περιορισμούς θορύβου, συμπίεσης και μνήμης κατά την επαναφορά.

Σχετικές διαδρομές οδηγώνReal Esrgan Πρακτική Αποκατάσταση
Ερώτηση 1 του 8

Ποια βασική αδυναμία του αρχικού ESRGAN αντιμετώπισε το Real-ESRGAN;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια βασική αδυναμία του αρχικού ESRGAN αντιμετώπισε το Real-ESRGAN;
    • Εκπαιδεύτηκε μόνο σε καθαρή δικυβική μείωση κλίμακας
    • Λειτουργούσε μόνο σε εικόνες σε κλίμακα του γκρι
    • Δεν μπορούσε να τρέξει σε GPU
    • Απαιτούσε ζεύγη πραγματικών φωτογραφιών
  2. Τι είναι το μοντέλο «υψηλού επιπέδου υποβάθμισης» της Real-ESRGAN;
    • Μια γεννήτρια υψηλότερης ανάλυσης
    • Μια αλυσίδα πολλαπλών τυχαίων υποβαθμίσεων που εφαρμόζονται διαδοχικά
    • Ένας νέος μηχανισμός προσοχής
    • Ένας μεγαλύτερος παράγοντας διάκρισης
  3. Ποια αρχιτεκτονική διάκρισης χρησιμοποιεί το Real-ESRGAN;
    • Ένας ενιαίος γραμμικός ταξινομητής
    • Ένα επαναλαμβανόμενο δίκτυο
    • Ένα U-Net με φασματική κανονικοποίηση
    • Ένα παγωμένο VGG
  4. Ποια τεχνουργήματα αναπαράγουν τα φίλτρα 'sinc' στο Real-ESRGAN;
    • Χρωματική ζώνη
    • Αναλαμπή φακού
    • Χρωματική εκτροπή
    • Κουδούνισμα και υπέρβαση
  5. Τι ραχοκοκαλιά διατηρεί η γεννήτρια Real-ESRGAN από το ESRGAN;
    • Τα μπλοκ RRDB
    • Ένας κωδικοποιητής μετασχηματιστή
    • Ένα U-Net διάχυσης
    • Μια στοίβα LSTM
  6. In GFPGAN’s documented inference command, which background upsampler is set by default?
    • Ρεάλ-ΕΣΡΓΑΝ
    • ESRGAN only
    • A fixed bicubic resize
    • No background upsampler is supported
  7. What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
    • Only medical CT scans
    • Only satellite photographs
    • Anime illustrations
    • Only grayscale handwritten documents
  8. Why can tiled inference help when restoring a very large image?
    • It guarantees that every tile contains the same details
    • It replaces super-resolution with image compression
    • It prevents the model from seeing any neighboring pixels
    • It processes smaller patches to reduce peak memory use