Prueba de restauración facial de GFPGAN

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

1. ¿Qué modelo previamente entrenado proporciona el "antes facial generativo" de GFPGAN?
   • EstiloGAN2
   • BERT
   • ResNet-50
   • susurro
2. ¿Cuál es la función de las capas CS-SFT de GFPGAN?
   • They compress the image file
   • They blend prior features with input-specific information to balance realism and fidelity
   • They translate captions
   • They detect objects in the background
3. ¿Qué reporta el artículo de GFPGAN sobre la inferencia?
   • It needs exactly 50 optimization passes
   • It performs one pass per image pixel
   • It restores facial details in a single forward pass
   • It iterates until the input becomes a perfect photograph
4. ¿Qué modelo complementario se suele combinar con GFPGAN para manejar el fondo?
   • GPT-4
   • YOLO
   • Difusión estable XL
   • Real-ESRGAN
5. Durante el entrenamiento, ¿qué NO requiere GFPGAN?
   • Fotografías emparejadas de alta calidad de la misma persona específica
   • Pérdida adversaria
   • Una cara previamente entrenada
   • Pérdida de percepción
6. ¿Cuál es una preocupación ética clave con la restauración estilo GFPGAN?
   • Utiliza muy poca electricidad.
   • Puede inventar detalles faciales plausibles que no estaban en el original.
   • Solo funciona en dibujos animados.
   • Elimina el archivo original automáticamente.
7. What is the full name of GFPGAN’s CS-SFT component?
   • Color-Space Semantic Face Tracking
   • Convolutional Style-Filter Training
   • Channel-Split Spatial Feature Transform
   • Channel-Specific Super-Resolution Fourier Transform
8. In blind face restoration, what does “blind” mean?
   • The face is hidden behind an object
   • The system only processes black-and-white images
   • The model never sees an input image
   • The exact degradation process is not known in advance