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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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