Quiz lié à un guide · Moyen Niveau

Quiz sur la restauration du transformateur SwinIR

Découvrez comment SwinIR adapte les blocs de transformateurs à fenêtre décalée pour la super-résolution, le débruitage et la suppression des artefacts de compression.

Chemins de guidage associésRestauration du transformateur Swinir
Question 1 de 8

Sur quelle architecture de transformateur SwinIR est-il basé ?

Prévisualisez chaque question8 des questions

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

  1. Sur quelle architecture de transformateur SwinIR est-il basé ?
    • Le transformateur Swin
    • Transformateur de vision (ViT) uniquement
    • BERTE
    • Google Tag
  2. Quel est le mécanisme d’attention de base dans SwinIR ?
    • Attention globale sur tous les pixels
    • Auto-attention décalée basée sur la fenêtre
    • Attention croisée
    • Aucune attention, seulement une convolution
  3. Comment s'appellent les blocs de fonctionnalités approfondies de SwinIR ?
    • Blocs de convolution denses
    • Blocs résiduels inversés
    • Blocs de transformateur Swin résiduels (RSTB)
    • Blocs de capsules
  4. Pourquoi l’attention basée sur une fenêtre est-elle plus efficace que l’attention globale ?
    • Il utilise moins de canaux de couleur
    • Il saute l'étape de reconstruction
    • Il ne traite que les bords
    • Son coût augmente linéairement avec la zone d'image au lieu de quadratiquement
  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. Quel avantage en termes d'efficacité SwinIR a-t-il démontré par rapport aux concurrents de CNN ?
    • Il n'avait besoin d'aucune donnée de formation
    • Il a obtenu des résultats de pointe avec beaucoup moins de paramètres
    • Il a fonctionné sans aucune circonvolution
    • Cela a éliminé le besoin 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?
    • Reconnaissance vocale
    • Traduction automatique
    • Protein sequence design
    • JPEG compression-artifact reduction