CycleGAN ペアになっていない翻訳クイズ

クイズに答えると、答えと解説が表示されます。

1. pix2pix などの以前の方法では解決できなかった、CycleGAN が解決できる重要な問題は何ですか?
   • 前後のペアを一致させることなく画像を変換します
   • 完全にモバイル CPU 上で動作します
   • トレーニング データが不要になります
   • 白黒画像でのみ機能します
2. サイクル一貫性の損失により何が強制されるのでしょうか?
   • すべての出力画像がグレースケールであること
   • 画像を他のドメインに変換して元に戻すと、元のドメインが復元されます。
   • 差別者が常に勝つということ
   • ジェネレーターが同じ重みを共有すること
3. 標準の CycleGAN はジェネレーターをいくつ使用しますか?
   • 1 つ
   • 4
   • 2
   • 3
4. CycleGAN は通常どのような種類の識別子を使用しますか?
   • 画像全体上の単一のシグモイド
   • 事前トレーニング済みの ImageNet 分類子
   • 差別化要素がまったくない
   • 画像パッチを分類するPatchGAN
5. CycleGAN でアイデンティティの喪失が追加されることがあるのはなぜですか?
   • 入力がターゲット ドメインにすでに一致している場合に色を保持できるようにするため
   • トレーニングをより速く行うには
   • 識別子の必要性を取り除くには
   • 画像をスケッチに変換するには
6. 古典的な CycleGAN デモは次のうちどれですか?
   • 音声からテキストを生成する
   • 馬の写真をシマウマの写真に変える
   • 手書き文字の転写
   • ビデオファイルの圧縮
7. Why does a standard CycleGAN use one discriminator for each image domain?
   • Each one estimates the image’s text caption
   • One discriminator identifies the source dataset and the other the author
   • Each discriminator judges whether generated images look realistic in its target domain
   • They replace the two generators
8. How can CycleGAN support synthetic-to-real adaptation for autonomous-driving vision?
   • Generate steering labels from vehicle sounds
   • Replace all road images with segmentation text
   • Identify a driver from a voice recording
   • Translate simulator images toward the visual style of real road scenes without paired matches