गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

CycleGAN अयुग्मित अनुवाद प्रश्नोत्तरी

समीक्षा करें कि कैसे CycleGAN युग्मित उदाहरणों के बिना छवियों का अनुवाद करने के लिए व्युत्क्रम मैपिंग, प्रतिकूल विभेदकों और चक्र स्थिरता का उपयोग करता है।

संबंधित मार्गदर्शक पथसाइकलगन अयुग्मित अनुवाद
प्रश्न 1 का 8

CycleGAN किस प्रमुख समस्या का समाधान करता है जिसे pix2pix जैसी पिछली विधियाँ हल नहीं कर सकीं?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

  1. CycleGAN किस प्रमुख समस्या का समाधान करता है जिसे pix2pix जैसी पिछली विधियाँ हल नहीं कर सकीं?
    • यह पहले और बाद के जोड़े के मिलान की आवश्यकता के बिना छवियों का अनुवाद करता है
    • यह पूरी तरह से मोबाइल सीपीयू पर चलता है
    • यह किसी भी प्रशिक्षण डेटा की आवश्यकता को समाप्त कर देता है
    • यह केवल श्वेत-श्याम छवियों पर कार्य करता है
  2. चक्र-संगति हानि क्या लागू करती है?
    • वह सभी आउटपुट छवियाँ ग्रेस्केल हैं
    • वह एक छवि को दूसरे डोमेन में अनुवाद करता है और मूल को पुनः प्राप्त करता है
    • कि भेदभाव करने वाला हमेशा जीतता है
    • वह जनरेटर समान भार साझा करते हैं
  3. एक मानक CycleGAN कितने जेनरेटर का उपयोग करता है?
    • एक
    • चार
    • दो
    • तीन
  4. CycleGAN आमतौर पर किस प्रकार के विभेदक का उपयोग करता है?
    • संपूर्ण छवि पर एक एकल सिग्मॉइड
    • एक पूर्व-प्रशिक्षित इमेजनेट क्लासिफायरियर
    • कोई भी भेदभाव करने वाला नहीं
    • एक PatchGAN जो छवि पैच को वर्गीकृत करता है
  5. CycleGAN में कभी-कभी पहचान हानि क्यों जोड़ी जाती है?
    • जब कोई इनपुट पहले से ही लक्ष्य डोमेन से मेल खाता हो तो रंग को संरक्षित करने में मदद करने के लिए
    • प्रशिक्षण को तेज़ बनाने के लिए
    • भेदभाव करने वालों की आवश्यकता को दूर करना
    • छवियों को रेखाचित्र में बदलने के लिए
  6. इनमें से कौन सा क्लासिक CycleGAN प्रदर्शन है?
    • भाषण से पाठ उत्पन्न करना
    • घोड़े की तस्वीरों को ज़ेबरा तस्वीरों में बदलना
    • लिखावट का प्रतिलेखन
    • वीडियो फ़ाइलों को संपीड़ित करना
  7. Why does a standard CycleGAN use one discriminator for each image domain?
    • Each one estimates the image’s text caption
    • One discriminator identifies the source dataset and the other the author
    • Each discriminator judges whether generated images look realistic in its target domain
    • They replace the two generators
  8. How can CycleGAN support synthetic-to-real adaptation for autonomous-driving vision?
    • Generate steering labels from vehicle sounds
    • Replace all road images with segmentation text
    • Identify a driver from a voice recording
    • Translate simulator images toward the visual style of real road scenes without paired matches