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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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