Cuestionario vinculado a una guía · Medio Nivel

Prueba de restauración de transformadores SwinIR

Explore cómo SwinIR adapta bloques de transformadores de ventana desplazada para lograr superresolución, eliminación de ruido y eliminación de artefactos de compresión.

Rutas de guía relacionadasRestauración del transformador Swinir
Pregunta 1 de 8

¿En qué arquitectura de transformador se basa SwinIR?

Vista previa de cada pregunta8 preguntas

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

  1. ¿En qué arquitectura de transformador se basa SwinIR?
    • El transformador Swin
    • Transformador de visión (ViT) únicamente
    • BERT
    • GPT
  2. ¿Cuál es el mecanismo de atención central en SwinIR?
    • Atención global en todos los píxeles
    • Autoatención basada en ventanas desplazadas
    • Atención entre imágenes
    • Sin atención, solo convolución.
  3. ¿Cómo se llaman los bloques de funciones profundas de SwinIR?
    • Bloques de convolución densos
    • Bloques residuales invertidos
    • Bloques de transformadores giratorios residuales (RSTB)
    • Bloques de cápsulas
  4. ¿Por qué la atención basada en ventanas es más eficiente que la atención global aquí?
    • Utiliza menos canales de color.
    • Se salta el paso de reconstrucción.
    • Solo procesa bordes
    • Su costo crece linealmente con el área de la imagen en lugar de cuadráticamente
  5. What are the three main stages in SwinIR’s restoration architecture?
    • Shallow feature extraction, deep feature extraction, and image reconstruction
    • Text tokenization, translation, and speech synthesis
    • Noise injection, denoising, and audio decoding
    • Camera sensing, object tracking, and route planning
  6. ¿Qué ventaja de eficiencia demostró SwinIR sobre los competidores de CNN?
    • No necesitaba datos de entrenamiento.
    • Logró resultados de última generación con muchos menos parámetros.
    • Se ejecutó sin convoluciones.
    • Eliminó la necesidad de GPU.
  7. What components does a SwinIR Residual Swin Transformer Block combine?
    • A text tokenizer and a language-model decoder
    • A GAN discriminator and a vocoder
    • Swin Transformer layers with residual connections and a convolution
    • A camera sensor and a LiDAR encoder
  8. Which image-restoration task besides super-resolution did the SwinIR paper evaluate?
    • reconocimiento de voz
    • Traducción automática
    • Protein sequence design
    • JPEG compression-artifact reduction