Quiz collegato alla guida · Medio Livello

Pix2Pix Quiz sulla traduzione da immagine a immagine

Controlla i requisiti di dati accoppiati di Pix2Pix, il generatore U-Net, il discriminatore PatchGAN e i ruoli complementari delle perdite avversarie e L1.

Domanda 1 di 8

Che tipo di dati di addestramento richiede Pix2Pix?

Anteprima di ogni domanda8 domande

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

  1. Che tipo di dati di addestramento richiede Pix2Pix?
    • Esempi di immagini input-output accoppiate
    • Nessun dato
    • Solo sottotitoli di testo
    • Registrazioni audio
  2. Quale architettura del generatore utilizza Pix2Pix?
    • Una rete semplice e completamente connessa
    • Una U-Net con connessioni saltate
    • Una rete ricorrente
    • Un albero decisionale
  3. Cosa valuta il discriminatore PatchGAN in Pix2Pix?
    • L'intera immagine come un punteggio globale
    • La dimensione del file immagine
    • Realismo di piccole patch di immagini locali
    • Il tempo della formazione
  4. Perché Pix2Pix aggiunge una perdita L1 insieme alla perdita dell'avversario?
    • Per rallentare apposta l'allenamento
    • Per rimuovere il discriminatore
    • Per generare rumore casuale
    • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
  5. Perché le connessioni skip di U-Net sono particolarmente utili per le attività di traduzione?
    • Passano strutture condivise come bordi direttamente attraverso la rete
    • Eliminano i livelli non necessari
    • Convertono le immagini in testo
    • Riducono la dimensione del set di dati
  6. Quale modello ha esteso Pix2Pix per imparare da raccolte di immagini non accoppiate?
    • ResNet
    • CicloGAN
    • BERT
    • Word2Vec
  7. Why can a PatchGAN discriminator encourage sharper local image texture?
    • It predicts the input labels directly
    • It replaces the generator’s U-Net
    • It judges realism in small image patches rather than only scoring the whole image
    • It computes only global color histograms
  8. In Pix2Pix, which part of the objective most directly anchors an output to its paired target image?
    • The learning-rate warmup
    • The GAN’s random seed
    • The PatchGAN receptive-field count
    • The L1 pixel-difference loss