Quiz collegato alla guida · Medio Livello

Quiz sul restauro del trasformatore SwinIR

Scopri come SwinIR adatta i blocchi trasformatore a finestra spostata per la super risoluzione, il denoising e la rimozione degli artefatti da compressione.

Percorsi guida correlatiRestauro del trasformatore Swinir
Domanda 1 di 8

Su quale architettura del trasformatore si basa SwinIR?

Anteprima di ogni domanda8 domande

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

  1. Su quale architettura del trasformatore si basa SwinIR?
    • Il trasformatore Swin
    • Solo Vision Transformer (ViT).
    • BERT
    • GPT
  2. Qual è il meccanismo principale dell'attenzione in SwinIR?
    • Attenzione globale a tutti i pixel
    • Autoattenzione spostata basata su finestre
    • Attenzione all'immagine incrociata
    • Nessuna attenzione, solo convoluzione
  3. Come sono chiamati i blocchi con funzionalità profonde di SwinIR?
    • Blocchi di convoluzione densi
    • Blocchi residui invertiti
    • Blocchi trasformatori residui Swin (RSTB)
    • Blocchi di capsule
  4. Perché in questo caso l’attenzione basata sulle finestre è più efficiente dell’attenzione globale?
    • Utilizza meno canali di colore
    • Salta la fase di ricostruzione
    • Elabora solo i bordi
    • Il suo costo cresce linearmente con l'area dell'immagine anziché quadraticamente
  5. What are the three main stages in SwinIR’s restoration architecture?
    • Shallow feature extraction, deep feature extraction, and image reconstruction
    • Text tokenization, translation, and speech synthesis
    • Noise injection, denoising, and audio decoding
    • Camera sensing, object tracking, and route planning
  6. Quale vantaggio in termini di efficienza ha dimostrato SwinIR rispetto ai concorrenti della CNN?
    • Non necessitava di dati di addestramento
    • Ha ottenuto risultati all'avanguardia con molti meno parametri
    • Funzionava senza alcuna circonvoluzione
    • Ha eliminato la necessità di GPU
  7. What components does a SwinIR Residual Swin Transformer Block combine?
    • A text tokenizer and a language-model decoder
    • A GAN discriminator and a vocoder
    • Swin Transformer layers with residual connections and a convolution
    • A camera sensor and a LiDAR encoder
  8. Which image-restoration task besides super-resolution did the SwinIR paper evaluate?
    • Riconoscimento vocale
    • Traduzione automatica
    • Protein sequence design
    • JPEG compression-artifact reduction