Kuis Terjemahan Gambar-ke-Gambar Pix2Pix

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Jenis data pelatihan apa yang dibutuhkan Pix2Pix?
   • Contoh gambar input-output berpasangan
   • Tidak ada data sama sekali
   • Hanya keterangan teks
   • Rekaman audio
2. Arsitektur generator apa yang digunakan Pix2Pix?
   • Jaringan biasa yang terhubung sepenuhnya
   • U-Net dengan koneksi lewati
   • Jaringan berulang
   • Pohon keputusan
3. Apa yang dievaluasi oleh diskriminator PatchGAN di Pix2Pix?
   • Seluruh gambar sebagai satu skor global
   • Ukuran file gambar
   • Realisme patch gambar lokal kecil
   • Waktu pelatihan
4. Mengapa Pix2Pix menambahkan kerugian L1 bersamaan dengan kerugian permusuhan?
   • Untuk memperlambat pelatihan dengan sengaja
   • Untuk menghapus diskriminator
   • Untuk menghasilkan kebisingan acak
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. Mengapa koneksi lewati U-Net sangat berguna untuk tugas penerjemahan?
   • Mereka melewati struktur bersama seperti tepian secara langsung melintasi jaringan
   • Mereka menghapus lapisan yang tidak diperlukan
   • Mereka mengubah gambar menjadi teks
   • Mereka mengurangi ukuran kumpulan data
6. Model manakah yang memperluas Pix2Pix untuk belajar dari koleksi gambar yang tidak berpasangan?
   • ResNet
   • SiklusGAN
   • BERT
   • Kata2Vec
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