Útmutatóhoz kapcsolódó kvíz · Közepes Szint
LaMa Resolution-Robust Painting Quiz
Learn how LaMa combines Fourier convolutions, high-receptive-field losses, and large masks for image inpainting and its reported limits.
kérdés 1 -ból 8
Mi az a jellegzetes építészeti komponens, amely megadja a LaMa-nak a kép globális képét?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi az a jellegzetes építészeti komponens, amely megadja a LaMa-nak a kép globális képét?
- Gyors Fourier-konvolúciók
- Transzformátor önfigyelő blokkok
- Ismétlődő LSTM rétegek
- Kapszula hálózatok
- Miért kezeli jobban a LaMa a nagy maszkokat, mint sok korábbi festőmodell?
- Csak apró képeken működik
- Globális befogadó mezője lehetővé teszi, hogy nagy lyukakon keresztül folytassa a szerkezetét
- A képpontokat véletlenszerűen másolja a szélekről
- Nem hajlandó kitölteni a fix méret feletti maszkokat
- 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
- Milyen textúrákat tud a LaMa különösen jól kezelni a frekvencia-tartomány feldolgozásának köszönhetően?
- Tiszta véletlenszerű zaj
- Csak egyszínű egyszínű
- Kizárólag szöveges karakterek
- Ismétlődő, időszakos textúrák, például tégla vagy csempe
- 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
- Melyik veszteség segít LaMa-nak életszerűnek tűnő kitöltéseket produkálni az elmosódott átlagok helyett?
- Egy egyszerű képpont-négyzet-hiba veszteség önmagában
- A kontradiktórius veszteség észlelési veszteséggel párosul
- Egyáltalán nincs veszteség funkció
- Veszteség, amely csak a fájlméretet méri
- What additional loss component does the LaMa paper emphasize for large-mask inpainting?
- A beszédfelismerés elvesztése
- A bitrate-only loss
- A perceptual loss with a high receptive field
- A loss that ignores image structure
- 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