ガイド連動クイズ · 中 レベル

LaMa Resolution - ロバスト修復クイズ

LaMa が画像修復のためにフーリエ畳み込み、高受容野損失、大きなマスクをどのように組み合わせるか、および報告されている限界について学びます。

関連するガイドパスラマ解像度の堅牢な修復
質問 1 の 8

LaMa に画像の全体像を与える特徴的な建築コンポーネントは何ですか?

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. LaMa に画像の全体像を与える特徴的な建築コンポーネントは何ですか?
    • 高速フーリエ畳み込み
    • 変圧器セルフアテンションブロック
    • 再帰的な LSTM 層
    • カプセルネットワーク
  2. LaMa が以前の多くの修復モデルよりも大きなマスクをうまく処理できるのはなぜですか?
    • 小さな画像でのみ機能します
    • そのグローバルな受容野は、大きな穴を越えて構造を継続させることができます
    • エッジからピクセルをランダムにコピーします
    • 固定サイズを超えるマスクの充填を拒否します
  3. What resolution behavior did the LaMa paper report?
    • It only works at one exact training resolution
    • It works only below the training resolution
    • It generalized to some resolutions higher than those used during training in the evaluated settings
    • It accepts no image input
  4. LaMa は周波数領域処理のおかげで、どのような種類のテクスチャを特にうまく処理できますか?
    • 純粋なランダムノイズ
    • 単色のみ
    • テキスト文字のみ
    • レンガやタイルのような反復的で周期的なテクスチャ
  5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
    • As a comparatively efficient convolutional inpainting method
    • As a much slower model that requires a data center
    • As a video-only model
    • As a tool that never needs an image
  6. LaMa がぼやけた平均ではなく現実的な塗りつぶしを生成するのに役立つのはどの損失ですか?
    • 単純なピクセル平均二乗誤差損失のみ
    • 敵対的損失と知覚的損失の組み合わせ
    • 損失関数がまったくありません
    • ファイルサイズのみを測定する損失
  7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
    • 音声認識の喪失
    • A bitrate-only loss
    • A perceptual loss with a high receptive field
    • A loss that ignores image structure
  8. Who introduced LaMa in the 2021 paper?
    • Jonathan Frankle and Michael Carbin
    • Cees Taal and colleagues
    • Timothy Dozat and Christopher Manning
    • Roman Suvorov and colleagues