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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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