Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Real-ESRGAN gyakorlati helyreállítási kvíz
Learn how Real-ESRGAN simulates real-world image degradation and handles noise, compression, and memory constraints during restoration.
kérdés 1 -ból 8
Az eredeti ESRGAN melyik kulcsfontosságú gyengeségével foglalkozott a Real-ESRGAN?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Az eredeti ESRGAN melyik kulcsfontosságú gyengeségével foglalkozott a Real-ESRGAN?
- Csak a tiszta bicubic leskálázásra oktatták
- Csak szürkeárnyalatos képeken működött
- Nem tudott GPU-n futni
- Valódi páros fotók kellettek hozzá
- Mi a Real-ESRGAN „magas rendű leromlási” modellje?
- Nagyobb felbontású generátor
- Sorozatosan alkalmazott többszörös véletlenszerű lebomlás lánca
- Új figyelemmechanizmus
- Nagyobb diszkriminátor
- Milyen megkülönböztető architektúrát használ a Real-ESRGAN?
- Egyetlen lineáris osztályozó
- Ismétlődő hálózat
- Egy U-Net spektrális normalizálással
- Egy lefagyott VGG
- Milyen műtermékeket reprodukálnak a Real-ESRGAN „sinc” szűrői?
- Színes sávozás
- Lencse fáklya
- Kromatikus aberráció
- Csengetés és túllövés
- Milyen gerincet őriz meg a Real-ESRGAN generátor az ESRGAN-tól?
- Az RRDB blokkok
- Transzformátor kódoló
- Egy diffúziós U-Net
- Egy LSTM verem
- In GFPGAN’s documented inference command, which background upsampler is set by default?
- Real-ESRGAN
- ESRGAN only
- A fixed bicubic resize
- No background upsampler is supported
- What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
- Only medical CT scans
- Only satellite photographs
- Anime illustrations
- Only grayscale handwritten documents
- Why can tiled inference help when restoring a very large image?
- It guarantees that every tile contains the same details
- It replaces super-resolution with image compression
- It prevents the model from seeing any neighboring pixels
- It processes smaller patches to reduce peak memory use