Cuestionario vinculado a una guía · Medio Nivel

Cuestionario robusto de recuperación facial de CodeFormer

Revise la predicción discreta del código facial de CodeFormer, el contexto de Transformer, la compensación de fidelidad controlable y los límites de evidencia para una restauración severa.

Rutas de guía relacionadasRecuperación facial robusta de Codeformer
Pregunta 1 de 8

¿Cómo enmarca CodeFormer fundamentalmente el problema de restauración facial?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Cómo enmarca CodeFormer fundamentalmente el problema de restauración facial?
    • Como predicción de código discreto a partir de un libro de códigos aprendido
    • Como regresión continua de píxeles
    • Como transcripción de audio
    • Como resumen de texto
  2. ¿Qué componente predice qué entradas del libro de códigos utilizar?
    • Un generador de números aleatorios
    • Un transformador
    • Un árbol de decisiones
    • Una transformada de Fourier
  3. Why can CodeFormer’s discrete codebook help with severely degraded faces?
    • It converts images to grayscale
    • Elimina toda la información de color.
    • It constrains predictions to a learned vocabulary of facial visual atoms
    • It requires the input to be pristine
  4. What does CodeFormer’s controllable feature transformation setting adjust?
    • Image resolution only
    • File format
    • El número de caras detectadas.
    • The trade-off between fidelity to the input and restored visual quality
  5. ¿En qué lugar se publicó CodeFormer?
    • NeuroIPS 2022
    • SIGGRAFO 1999
    • una revista de cocina
    • nunca fue publicado
  6. ¿De qué técnica se deriva el entrenamiento del libro de códigos?
    • Regresión lineal
    • Un modelo cuantificado vectorial de estilo VQGAN
    • Una base de datos relacional
    • Una macro de hoja de cálculo
  7. What two needs does the CodeFormer paper identify for blind face restoration guidance?
    • Changing image format and compressing files
    • Detecting camera brand and lens type
    • Improving the degraded-input mapping and complementing details lost from the input
    • Removing color and resizing the image
  8. What kinds of test data did the CodeFormer paper use in its reported experiments?
    • Only hand-drawn illustrations
    • Only pristine studio portraits
    • Audio and text datasets
    • Synthetic and real-world degraded faces