Quiz lié à un guide · Moyen Niveau

Quiz d'Inpainting robuste en résolution LaMa

Découvrez comment LaMa combine les convolutions de Fourier, les pertes de champ de réception élevées et les grands masques pour l'inpainting d'images et ses limites signalées.

Chemins de guidage associésRésolution de Lama Inpainting robuste
Question 1 de 8

Quel est l’élément architectural signature qui donne à LaMa sa vision globale d’une image ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Quel est l’élément architectural signature qui donne à LaMa sa vision globale d’une image ?
    • Convolutions de Fourier rapides
    • Blocs d’auto-attention du transformateur
    • Couches LSTM récurrentes
    • Réseaux de capsules
  2. Pourquoi LaMa gère-t-il mieux les grands masques que de nombreux modèles de peinture antérieurs ?
    • Cela ne fonctionne que sur de petites images
    • Son champ récepteur global lui permet de poursuivre sa structure à travers de gros trous
    • Il copie les pixels de manière aléatoire à partir des bords
    • Il refuse de remplir les masques au-delà d'une taille fixe
  3. What resolution behavior did the LaMa paper report?
    • It only works at one exact training resolution
    • It works only below the training resolution
    • It generalized to some resolutions higher than those used during training in the evaluated settings
    • It accepts no image input
  4. Quels types de textures LaMa gère-t-il particulièrement bien grâce à son traitement dans le domaine fréquentiel ?
    • Bruit aléatoire pur
    • Uniquement des couleurs unies unies
    • Caractères de texte exclusivement
    • Textures répétitives et périodiques comme la brique ou le carrelage
  5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
    • As a comparatively efficient convolutional inpainting method
    • As a much slower model that requires a data center
    • As a video-only model
    • As a tool that never needs an image
  6. Quelle perte aide LaMa à produire des remplissages réalistes plutôt que des moyennes floues ?
    • Une simple perte d'erreur quadratique moyenne de pixels seule
    • Une perte contradictoire combinée à une perte perceptuelle
    • Aucune fonction de perte du tout
    • Une perte qui ne mesure que la taille du fichier
  7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
    • Une perte de reconnaissance vocale
    • A bitrate-only loss
    • A perceptual loss with a high receptive field
    • A loss that ignores image structure
  8. Who introduced LaMa in the 2021 paper?
    • Jonathan Frankle and Michael Carbin
    • Cees Taal and colleagues
    • Timothy Dozat and Christopher Manning
    • Roman Suvorov and colleagues