Pix2Pix छवि-से-छवि अनुवाद प्रश्नोत्तरी

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

1. Pix2Pix को किस प्रकार के प्रशिक्षण डेटा की आवश्यकता है?
   • युग्मित इनपुट-आउटपुट छवि उदाहरण
   • बिल्कुल कोई डेटा नहीं
   • केवल टेक्स्ट कैप्शन
   • ऑडियो रिकॉर्डिंग
2. Pix2Pix किस जेनरेटर आर्किटेक्चर का उपयोग करता है?
   • एक सादा पूरी तरह से जुड़ा हुआ नेटवर्क
   • स्किप कनेक्शन के साथ एक यू-नेट
   • एक आवर्ती नेटवर्क
   • एक निर्णय वृक्ष
3. Pix2Pix में PatchGAN विवेचक क्या मूल्यांकन करता है?
   • संपूर्ण छवि एक वैश्विक स्कोर के रूप में
   • छवि फ़ाइल का आकार
   • छोटे स्थानीय छवि पैच का यथार्थवाद
   • प्रशिक्षण का समय
4. Pix2Pix प्रतिकूल हानि के साथ L1 हानि क्यों जोड़ता है?
   • जानबूझकर प्रशिक्षण को धीमा करना
   • विभेदक को दूर करने के लिए
   • यादृच्छिक शोर उत्पन्न करने के लिए
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. यू-नेट स्किप कनेक्शन अनुवाद कार्यों के लिए विशेष रूप से सहायक क्यों हैं?
   • वे साझा संरचना को किनारों की तरह सीधे नेटवर्क से गुजारते हैं
   • वे अनावश्यक परतें हटा देते हैं
   • वे छवियों को टेक्स्ट में परिवर्तित करते हैं
   • वे डेटासेट का आकार कम कर देते हैं
6. किस मॉडल ने अयुग्मित छवि संग्रहों से सीखने के लिए Pix2Pix का विस्तार किया?
   • रेसनेट
   • साइकिलगैन
   • बर्ट
   • Word2Vec
7. Why can a PatchGAN discriminator encourage sharper local image texture?
   • It predicts the input labels directly
   • It replaces the generator’s U-Net
   • It judges realism in small image patches rather than only scoring the whole image
   • It computes only global color histograms
8. In Pix2Pix, which part of the objective most directly anchors an output to its paired target image?
   • The learning-rate warmup
   • The GAN’s random seed
   • The PatchGAN receptive-field count
   • The L1 pixel-difference loss