Kuis terkait panduan · Sedang Tingkat
Kuis Restorasi Praktis ESRGAN Nyata
Pelajari bagaimana Real-ESRGAN menyimulasikan degradasi gambar dunia nyata dan menangani kendala noise, kompresi, dan memori selama restorasi.
Pertanyaan 1 dari 8
Kelemahan utama ESRGAN asli apa yang diatasi oleh Real-ESRGAN?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Kelemahan utama ESRGAN asli apa yang diatasi oleh Real-ESRGAN?
- Itu dilatih hanya tentang penurunan skala bikubik yang bersih
- Ini hanya berfungsi pada gambar skala abu-abu
- Itu tidak bisa berjalan di GPU
- Untuk itu diperlukan foto asli yang dipasangkan
- Apa model 'degradasi tingkat tinggi' Real-ESRGAN?
- Generator resolusi lebih tinggi
- Rantai beberapa degradasi acak yang diterapkan secara berurutan
- Mekanisme perhatian baru
- Diskriminator yang lebih besar
- Arsitektur diskriminator apa yang digunakan Real-ESRGAN?
- Pengklasifikasi linier tunggal
- Jaringan berulang
- U-Net dengan normalisasi spektral
- VGG beku
- Artefak manakah yang direproduksi oleh filter 'sinc' di Real-ESRGAN?
- Garis warna
- Lensa suar
- Penyimpangan kromatik
- Berdering dan melampaui batas
- Tulang punggung apa yang dipertahankan oleh generator Real-ESRGAN dari ESRGAN?
- Blok RRDB
- Encoder transformator
- U-Net difusi
- Tumpukan LSTM
- In GFPGAN’s documented inference command, which background upsampler is set by default?
- Nyata-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