Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Képszínezési kvíz
Checks why colorization is ambiguous, the Lab input/output channels, classification over color bins and learned image priors.
kérdés 1 -ból 8
Miért tekintik a képszínezést „rosszul felállított” problémának?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Miért tekintik a képszínezést „rosszul felállított” problémának?
- Egyetlen szürkeárnyalatos érték sok különböző valós színnek felelhet meg
- A szürkeárnyalatos képek egyáltalán nem tartalmaznak használható információt
- A színes képek túl nagyok a feldolgozáshoz
- A fényképezőgépek már nem tudnak szürkeárnyalatot rögzíteni
- A népszerű Lab színtér megközelítésben mit kap a hálózat bemenetként?
- A teljes RGB kép
- Csak az L (lightness) csatorna
- Csak a piros csatorna
- A helyszín mélységi térképe
- Miért Zhang et al. a keret színének előrejelzése a színes „ládák” feletti osztályozás, nem pedig a közvetlen regresszió?
- Mert az osztályozás az egyetlen, amit a neurális hálózatok tehetnek
- Hogy a képek kisebbek legyenek
- Annak elkerülése érdekében, hogy az érvényes színek tompa, telítetlen eredményekké váljanak
- Az edzésadatok szükségességének megszüntetése
- Hogyan tanulják meg a modellek, hogy milyen színűnek kell lenniük a tárgyaknak anélkül, hogy elmondanák nekik?
- Ezek manuálisan programozhatók minden objektum színének listájával
- Minden alkalommal véletlenszerűen tippelnek
- Beolvasják a szürkeárnyalatos fájlokban tárolt színes metaadatokat
- Több millió színes fotóból tanulják meg a statisztikai prioritásokat, amelyeket szürkeárnyalatossá alakítottak át
- Mi a fő kihívás a videók színezésekor, nem pedig az egyes fényképek?
- A színek konzisztens tartása a kereteken belül a villogás elkerülése érdekében
- A videóknak nincs szürkeárnyalatos verziója
- A mozgóképekhez nem lehet színt hozzáadni
- Minden keretnek más színűnek kell lennie
- Mit tehet a felhasználó a példa- vagy tipp-alapú színezéssel?
- A színes képeket csak szürkeárnyalatossá alakíthatja vissza
- Vezesse a kimenetet referenciaképek vagy kattintott színes tippek segítségével
- Teljesen tiltsa le a neurális hálózatot
- Fordítsa le a képet egy másik nyelvre
- In the CIE Lab setup described in the guide, which channels does the network predict?
- The L lightness channel only
- RGB red and green but not blue
- The a and b chrominance channels
- The image’s camera pose
- Why can direct regression toward an average color produce dull colorization?
- The model is forced to output only black
- Regression removes the lightness channel
- The network cannot use training examples
- Several plausible colors for a gray pixel may average to a muted, less likely color