लामा रेजोल्यूशन-मजबूत इनपेंटिंग क्विज़

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

1. हस्ताक्षरित वास्तुशिल्प घटक क्या है जो लामा को एक छवि का वैश्विक दृश्य देता है?
   • फास्ट फूरियर कन्वोल्यूशन
   • ट्रांसफार्मर स्व-ध्यान ब्लॉक
   • आवर्ती LSTM परतें
   • कैप्सूल नेटवर्क
2. लामा पहले के कई इनपेंटिंग मॉडलों की तुलना में बड़े मुखौटों को बेहतर ढंग से क्यों संभालता है?
   • यह केवल छोटी छवियों पर काम करता है
   • इसका वैश्विक ग्रहणशील क्षेत्र इसे बड़े छिद्रों में संरचना जारी रखने देता है
   • यह किनारों से यादृच्छिक रूप से पिक्सेल कॉपी करता है
   • यह मास्क को एक निश्चित आकार से ऊपर भरने से मना करता है
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. अपनी फ़्रीक्वेंसी-डोमेन प्रोसेसिंग के कारण LaMa किस प्रकार की बनावट को विशेष रूप से अच्छी तरह से संभालता है?
   • शुद्ध यादृच्छिक शोर
   • केवल ठोस एकल रंग
   • पाठ वर्ण विशेष रूप से
   • ईंट या टाइल जैसी दोहरावदार, आवधिक बनावट
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. कौन सा नुकसान लामा को धुंधले औसत के बजाय यथार्थवादी दिखने वाले भरण उत्पन्न करने में मदद करता है?
   • अकेले एक साधारण पिक्सेल माध्य-वर्ग-त्रुटि हानि
   • एक प्रतिकूल हानि, एक अवधारणात्मक हानि के साथ संयुक्त
   • कोई हानि फ़ंक्शन बिल्कुल नहीं
   • एक हानि जो केवल फ़ाइल आकार को मापती है
7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
   • वाक्-पहचान की हानि
   • 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