画像の色付けクイズ

クイズに答えると、答えと解説が表示されます。

1. 画像のカラー化が「不適切な」問題とみなされるのはなぜですか?
   • 単一のグレースケール値は、さまざまな実際の色に対応できます。
   • グレースケール画像には有用な情報がまったく含まれていません
   • カラー画像が大きすぎて処理できない
   • カメラはグレースケールを記録できなくなりました
2. 一般的な Lab 色空間アプローチでは、ネットワークは何を入力として受け取りますか?
   • 完全な RGB 画像
   • L（明度）チャンネルのみ
   • 赤チャンネルのみ
   • シーンの深度マップ
3. Zhangらはなぜ、直接回帰ではなく、色の「ビン」に対する分類としてのフレームカラー予測?
   • ニューラルネットワークができることは分類だけだから
   • 画像を小さくするには
   • 有効なカラーを平均化して、鈍く彩度の低い結果になるのを避けるため
   • トレーニング データの必要性をなくすには
4. モデルは、指示されずにオブジェクトの色をどのように学習するのでしょうか?
   • すべてのオブジェクトの色のリストを使用して手動でプログラムされます。
   • 彼らは毎回ランダムに推測します
   • グレースケール ファイルに保存されているカラー メタデータを読み取ります。
   • 彼らは、グレースケールに変換された何百万ものカラー写真から統計的事前分布を学習します。
5. 単一の写真ではなくビデオをカラー化する場合の重要な課題は何ですか?
   • ちらつきを避けるためにフレーム全体で色の一貫性を保つ
   • 動画にはグレースケール バージョンがありません
   • 動画に色を付けることは不可能
   • 各フレームは異なる色でなければなりません
6. 見本ベースまたはヒントベースの色付けにより、ユーザーは何ができるようになりますか?
   • カラー画像をグレースケールのみに変換して戻します
   • 参照画像またはクリックした色のヒントを使用して出力をガイドします
   • ニューラルネットワークを完全に無効にする
   • 画像を別の言語に翻訳する
7. In the CIE Lab setup described in the guide, which channels does the network predict?
   • The L lightness channel only
   • RGB red and green but not blue
   • The a and b chrominance channels
   • The image’s camera pose
8. Why can direct regression toward an average color produce dull colorization?
   • The model is forced to output only black
   • Regression removes the lightness channel
   • The network cannot use training examples
   • Several plausible colors for a gray pixel may average to a muted, less likely color