Quiz collegato alla guida · Medio Livello

Quiz sulle reti avversarie generative

Esamina i ruoli del generatore e del discriminatore, gli input GAN originali, il feedback contraddittorio, il collasso della modalità, le origini storiche, l'equilibrio e il condizionamento.

Percorsi guida correlatiReti avversarie generative
Domanda 1 di 8

Quali sono le due reti concorrenti in una GAN?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quali sono le due reti concorrenti in una GAN?
    • Un codificatore e un decodificatore
    • Un lettore e uno scrittore
    • Due copie identiche che vanno sempre d'accordo
    • Un generatore che fabbrica falsi e un discriminatore che li giudica
  2. In the original unconditional GAN formulation, what input does the generator transform into a sample?
    • A guaranteed copy of a finished real image
    • Sampled latent noise
    • The discriminator's parameter file
    • A fixed human-written answer key
  3. What adversarial learning signal can reach a GAN generator through its discriminator?
    • Gradients of the generator objective with respect to its parameters
    • A rule that every generated image is correct
    • A prohibition against all conditional image inputs
    • A copy of every discriminator weight as the output image
  4. Cos'è il "collasso della modalità" in un GAN?
    • Il discriminatore cancella tutti i dati
    • La rete esaurisce la memoria
    • Il generatore produce solo pochi output ripetitivi invece che vari
    • La risoluzione dell'immagine raddoppia automaticamente
  5. Which researchers introduced the GAN framework in the 2014 paper?
    • Alan Turing alone in 1950
    • Ian Goodfellow e colleghi
    • Geoffrey Hinton alone in 2006
    • Yann LeCun alone in 1998
  6. How can a conventional feed-forward GAN generator produce one sample after training?
    • By requiring exactly a thousand discriminator updates at inference
    • By retrieving an unchanged target image in every case
    • Without evaluating any learned computation
    • With one forward evaluation of the generator
  7. At the ideal original GAN equilibrium where generated and real distributions match, what probability does the optimal discriminator assign to an example being real?
    • Zero for every example
    • One for every example
    • La metà
    • A probability greater than one
  8. In the conditional GAN formulation, where can a class label or other condition be supplied?
    • To both the generator and the discriminator
    • Only to an unrelated output filename
    • To neither network by definition
    • Only after all training and generation have finished