Quiz collegato alla guida · Medio Livello

Quiz sull'inpitturazione robusta con risoluzione LaMa

Scopri come LaMa combina le convoluzioni di Fourier, le elevate perdite di campo recettivo e le grandi maschere per la pitturazione delle immagini e i relativi limiti riportati.

Percorsi guida correlatiRisoluzione del Lama Robusta pittura
Domanda 1 di 8

Qual è la componente architettonica distintiva che fornisce a LaMa la sua visione globale di un'immagine?

Anteprima di ogni domanda8 domande

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

  1. Qual è la componente architettonica distintiva che fornisce a LaMa la sua visione globale di un'immagine?
    • Convoluzioni veloci di Fourier
    • Blocchi dell'autoattenzione del trasformatore
    • Strati LSTM ricorrenti
    • Reti di capsule
  2. Perché LaMa gestisce le maschere di grandi dimensioni meglio di molti modelli precedenti di verniciatura?
    • Funziona solo su immagini piccole
    • Il suo campo ricettivo globale gli consente di continuare la struttura attraverso grandi buchi
    • Copia i pixel in modo casuale dai bordi
    • Si rifiuta di riempire le maschere al di sopra di una dimensione fissa
  3. What resolution behavior did the LaMa paper report?
    • It only works at one exact training resolution
    • It works only below the training resolution
    • It generalized to some resolutions higher than those used during training in the evaluated settings
    • It accepts no image input
  4. Che tipo di texture gestisce LaMa particolarmente bene grazie alla sua elaborazione nel dominio della frequenza?
    • Puro rumore casuale
    • Solo colori singoli solidi
    • Esclusivamente caratteri di testo
    • Trame ripetitive e periodiche come mattoni o piastrelle
  5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
    • As a comparatively efficient convolutional inpainting method
    • As a much slower model that requires a data center
    • As a video-only model
    • As a tool that never needs an image
  6. Quale perdita aiuta LaMa a produrre riempimenti dall'aspetto realistico anziché medie sfocate?
    • Una semplice perdita di errore quadratico medio di pixel da sola
    • Una perdita contraddittoria combinata con una perdita percettiva
    • Nessuna funzione di perdita
    • Una perdita che misura solo la dimensione del file
  7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
    • Una perdita di riconoscimento vocale
    • A bitrate-only loss
    • A perceptual loss with a high receptive field
    • A loss that ignores image structure
  8. Who introduced LaMa in the 2021 paper?
    • Jonathan Frankle and Michael Carbin
    • Cees Taal and colleagues
    • Timothy Dozat and Christopher Manning
    • Roman Suvorov and colleagues