Prueba de coloración de imágenes

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

1. ¿Por qué la coloración de imágenes se considera un problema "mal planteado"?
   • Un único valor de escala de grises puede corresponder a muchos colores reales diferentes
   • Las imágenes en escala de grises no contienen ninguna información utilizable.
   • Las imágenes en color son demasiado grandes para procesarlas
   • Las cámaras ya no pueden grabar en escala de grises
2. En el popular enfoque del espacio de color Lab, ¿qué recibe la red como entrada?
   • La imagen RGB completa
   • Sólo el canal L (luminosidad)
   • Solo el canal rojo
   • Un mapa de profundidad de la escena.
3. ¿Por qué Zhang et al. ¿Predicción del color del marco como clasificación sobre 'contenedores' de color en lugar de regresión directa?
   • Porque la clasificación es lo único que pueden hacer las redes neuronales
   • Para hacer las imágenes más pequeñas
   • Para evitar promediar colores válidos y obtener resultados apagados y desaturados
   • Para eliminar la necesidad de datos de entrenamiento
4. ¿Cómo aprenden los modelos de qué colores deberían ser los objetos sin que se lo digan?
   • Se programan manualmente con una lista del color de cada objeto.
   • Adivinan al azar cada vez.
   • Leen metadatos de color almacenados en archivos en escala de grises.
   • Aprenden estadísticas previas de millones de fotografías en color convertidas a escala de grises
5. ¿Cuál es un desafío clave al colorear videos en lugar de fotografías individuales?
   • Mantener los colores consistentes en todos los fotogramas para evitar el parpadeo
   • Los vídeos no tienen versión en escala de grises.
   • Es imposible agregar color a las imágenes en movimiento.
   • Cada cuadro debe ser de un color diferente.
6. ¿Qué le permite hacer al usuario la coloración basada en ejemplos o sugerencias?
   • Convertir imágenes en color a escala de grises únicamente
   • Guíe la salida utilizando imágenes de referencia o sugerencias de color en las que haga clic.
   • Deshabilitar la red neuronal por completo
   • Traducir la imagen a otro idioma.
7. In the CIE Lab setup described in the guide, which channels does the network predict?
   • The L lightness channel only
   • RGB red and green but not blue
   • The a and b chrominance channels
   • The image’s camera pose
8. Why can direct regression toward an average color produce dull colorization?
   • The model is forced to output only black
   • Regression removes the lightness channel
   • The network cannot use training examples
   • Several plausible colors for a gray pixel may average to a muted, less likely color