Kuis terkait panduan · Sedang Tingkat
Kuis Pewarnaan Gambar
Memeriksa mengapa pewarnaan bersifat ambigu, saluran masukan/keluaran Lab, klasifikasi pada wadah warna, dan gambar sebelumnya yang dipelajari.
Pertanyaan 1 dari 8
Mengapa pewarnaan gambar dianggap sebagai masalah yang 'salah'?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Mengapa pewarnaan gambar dianggap sebagai masalah yang 'salah'?
- Nilai skala abu-abu tunggal dapat berhubungan dengan banyak warna nyata yang berbeda
- Gambar skala abu-abu tidak mengandung informasi yang dapat digunakan sama sekali
- Gambar berwarna terlalu besar untuk diproses
- Kamera tidak dapat merekam skala abu-abu lagi
- Dalam pendekatan ruang warna Lab yang populer, apa yang diterima jaringan sebagai masukan?
- Gambar RGB penuh
- Hanya saluran L (ringan).
- Hanya saluran merah
- Peta kedalaman tempat kejadian
- Mengapa Zhang et al. prediksi warna bingkai sebagai klasifikasi atas 'tempat sampah' warna daripada regresi langsung?
- Karena klasifikasi adalah satu-satunya hal yang dapat dilakukan jaringan saraf
- Untuk memperkecil gambar
- Untuk menghindari rata-rata warna valid menjadi hasil desaturasi yang kusam
- Untuk menghilangkan kebutuhan akan data pelatihan
- Bagaimana model mempelajari warna objek yang seharusnya tanpa diberi tahu?
- Mereka diprogram secara manual dengan daftar warna setiap objek
- Mereka menebak secara acak setiap kali
- Mereka membaca metadata warna yang disimpan dalam file skala abu-abu
- Mereka mempelajari data statistik dari jutaan foto berwarna yang diubah menjadi skala abu-abu
- Apa tantangan utama saat mewarnai video dibandingkan satu foto?
- Menjaga konsistensi warna di seluruh bingkai untuk menghindari kedipan
- Video tidak memiliki versi skala abu-abu
- Warna tidak mungkin ditambahkan pada gambar bergerak
- Setiap bingkai harus memiliki warna yang berbeda
- Pewarnaan berbasis contoh atau berbasis petunjuk memungkinkan pengguna melakukan apa?
- Ubah gambar berwarna kembali menjadi skala abu-abu saja
- Pandu keluaran menggunakan gambar referensi atau petunjuk warna yang diklik
- Nonaktifkan jaringan saraf sepenuhnya
- Terjemahkan gambar ke bahasa lain
- 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