画像超解像クイズ

クイズに答えると、答えと解説が表示されます。

1. 単一画像の超解像度が「不正設定」問題と呼ばれるのはなぜですか?
   • 多くの異なる高解像度画像が同じ低解像度入力を生成する可能性がある
   • 入力画像は常に修復不可能なほど破損しています
   • 数学にはまったく解決策がない
   • どの GPU よりも多くのメモリが必要です
2. ピクセル単位の MSE 損失のみで超解像度ネットワークをトレーニングする場合によくある欠点は何ですか?
   • 出力が過度にシャープになり、ノイズが多くなる
   • 出力がぼやけて滑らかになりすぎているように見える
   • モデルは画像の拡大を拒否します
   • グレースケール画像のみを処理できます
3. GAN ベースのモデル ESRGAN は、知覚される鮮明さを向上させるために何を追加しますか?
   • より大きなバイキュービック補間カーネル
   • ルールベースのエッジ鮮明化フィルター
   • 弁別子と知覚的な特徴空間の損失
   • トレーニング エポックのみの追加
4. 超解像度出力はなぜ法医学や医療現場で慎重に扱われなければならないのでしょうか?
   • それらは常に入力よりも低品質です
   • 標準形式では保存できません
   • 毎回ファイルサイズが2倍になります
   • モデルは、実際の内容ではない可能性のある、もっともらしい詳細をでっち上げます
5. 拡散ベースの超解像度 (SR3 など) はどのように詳細を生成しますか?
   • 多くのステップを繰り返してノイズを詳細に調整することにより、
   • ストック写真のデータベースからピクセルをコピーすることによって
   • 単一のシャープ化畳み込みを適用することにより
   • 画像をJPEGで圧縮することで、
6. 以前の SR モデルと比較して、Real-ESRGAN は具体的にどのような問題をターゲットにしていますか?
   • 漫画画像のみをアップスケーリングする
   • ノイズや圧縮などの厄介な現実世界の劣化の処理
   • 画像の解像度を意図的に下げる
   • 画像をベクター グラフィックスに変換する
7. What does the sub-pixel convolution in ESPCN do?
   • It estimates optical flow between video frames
   • It classifies objects without upsampling
   • It rearranges feature channels into a higher-resolution image grid
   • It adds a text prompt to an image embedding
8. What kind of image pairs did the RealSR dataset collect?
   • Only synthetic Gaussian-noise images
   • Text-only descriptions paired with audio
   • Unpaired medical scans from different patients
   • Real-world paired low- and high-resolution images captured with different cameras or zoom settings