ガイド連動クイズ · 中 レベル

CodeFormer の堅牢な顔回復クイズ

CodeFormer の離散顔コード予測、Transformer コンテキスト、制御可能な忠実度のトレードオフ、および重大な復元に対する証拠の制限を確認します。

関連するガイドパスCodeformer の堅牢な顔の回復
質問 1 の 8

CodeFormer は根本的に顔復元の問題をどのように組み立てるのでしょうか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. CodeFormer は根本的に顔復元の問題をどのように組み立てるのでしょうか?
    • 学習されたコードブックからの離散コード予測として
    • 連続ピクセル回帰として
    • 音声転写として
    • テキストの要約として
  2. どのコンポーネントがどのコードブック エントリを使用するかを予測しますか?
    • 乱数発生器
    • 変圧器
    • 決定木
    • フーリエ変換
  3. Why can CodeFormer’s discrete codebook help with severely degraded faces?
    • It converts images to grayscale
    • すべての色情報を削除します
    • It constrains predictions to a learned vocabulary of facial visual atoms
    • It requires the input to be pristine
  4. What does CodeFormer’s controllable feature transformation setting adjust?
    • Image resolution only
    • File format
    • 検出された顔の数
    • The trade-off between fidelity to the input and restored visual quality
  5. CodeFormer はどの会場で公開されましたか?
    • NeurIPS 2022
    • シーグラフ 1999
    • 料理雑誌
    • 一度も出版されなかった
  6. コードブックのトレーニングはどのようなテクニックから派生したものですか?
    • 線形回帰
    • VQGAN スタイルのベクトル量子化モデル
    • リレーショナルデータベース
    • スプレッドシートマクロ
  7. What two needs does the CodeFormer paper identify for blind face restoration guidance?
    • Changing image format and compressing files
    • Detecting camera brand and lens type
    • Improving the degraded-input mapping and complementing details lost from the input
    • Removing color and resizing the image
  8. What kinds of test data did the CodeFormer paper use in its reported experiments?
    • Only hand-drawn illustrations
    • Only pristine studio portraits
    • Audio and text datasets
    • Synthetic and real-world degraded faces