Quiz collegato alla guida · Medio Livello

Quiz con immagini ad altissima risoluzione

Comprendere come la super risoluzione stima un'immagine a risoluzione più elevata e perché i dettagli plausibili possono essere ambigui o inventati.

Percorsi guida correlatiSuper risoluzione dell'immagine
Domanda 1 di 8

Perché la super-risoluzione di una singola immagine è definita un problema "mal posto"?

Anteprima di ogni domanda8 domande

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

  1. Perché la super-risoluzione di una singola immagine è definita un problema "mal posto"?
    • Molte immagini diverse ad alta risoluzione potrebbero produrre lo stesso input a bassa risoluzione
    • Le immagini di input sono sempre danneggiate irreparabilmente
    • La matematica non ha alcuna soluzione
    • Richiede più memoria di quella di qualsiasi GPU
  2. Qual è uno svantaggio comune nell'addestramento di reti a super-risoluzione con una perdita MSE solo in termini di pixel?
    • Le uscite diventano eccessivamente nitide e rumorose
    • Gli output appaiono sfocati e eccessivamente uniformati
    • La modella si rifiuta di ingrandire l'immagine
    • Può elaborare solo immagini in scala di grigi
  3. Cosa aggiunge il modello ESRGAN basato su GAN per migliorare la nitidezza percepita?
    • Kernel di interpolazione bicubici più grandi
    • Un filtro di nitidezza dei bordi basato su regole
    • Un discriminatore e una perdita di spazio percettivo
    • Solo più periodi di allenamento
  4. Perché gli output ad alta risoluzione devono essere trattati con cautela in ambito forense o medico?
    • Sono sempre di qualità inferiore rispetto all'input
    • Non possono essere salvati in formati standard
    • Raddoppiano la dimensione del file ogni volta
    • Il modello inventa dettagli plausibili che potrebbero non essere il vero contenuto
  5. In che modo la superrisoluzione basata sulla diffusione (come SR3) genera dettagli?
    • Affinando iterativamente il rumore nei dettagli in molti passaggi
    • Copiando i pixel da un database di foto d'archivio
    • Applicando una singola convoluzione di nitidezza
    • Comprimendo l'immagine con JPEG
  6. Quale problema affronta specificamente Real-ESRGAN rispetto ai precedenti modelli SR?
    • Upscaling solo delle immagini dei cartoni animati
    • Gestire le degradazioni caotiche del mondo reale come il rumore e la compressione
    • Ridurre di proposito la risoluzione dell'immagine
    • Conversione di immagini in grafica vettoriale
  7. What does the sub-pixel convolution in ESPCN do?
    • It estimates optical flow between video frames
    • It classifies objects without upsampling
    • It rearranges feature channels into a higher-resolution image grid
    • It adds a text prompt to an image embedding
  8. What kind of image pairs did the RealSR dataset collect?
    • Only synthetic Gaussian-noise images
    • Text-only descriptions paired with audio
    • Unpaired medical scans from different patients
    • Real-world paired low- and high-resolution images captured with different cameras or zoom settings