ガイド連動クイズ · 中 レベル

知覚損失とLPIPSクイズ

特徴ベースの画像比較、LPIPS 人間によるキャリブレーション、正規化された特徴、入力規則、知覚距離スコアの限界について調べます。

関連するガイドパス知覚損失とLpips
質問 1 の 8

ピクセルベースの L2 損失は、知覚的損失と比較して画像の類似性を誤って判断することが多いのはなぜですか?

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. ピクセルベースの L2 損失は、知覚的損失と比較して画像の類似性を誤って判断することが多いのはなぜですか?
    • 人間がほとんど気づかない小さな変化やテクスチャの変化にペナルティを与えます
    • 動作が遅すぎて実用的ではありません
    • グレースケール画像のみを比較できます
    • 計算するには事前トレーニングされたネットワークが必要です
  2. LPIPS は 2 つの画像間で主に何を比較しますか?
    • 生の RGB ピクセル値
    • 圧縮後のファイルサイズ
    • 事前トレーニングされたネットワークの中間層からのアクティベーション
    • カラーヒストグラム
  3. LPIPS のチャネルごとの重みはどのように決定されましたか?
    • デフォルトではすべて 1 に設定されます
    • 人間の知覚的類似性判断に基づいて調整されています
    • 著者による手作業による調整
    • JPEG圧縮テーブルから派生
  4. What does a lower LPIPS value indicate for a tested image pair?
    • Proof that the two images have identical pixels
    • A guarantee that every human will prefer the lower-scoring image
    • A measurement of the images' compressed file size
    • A smaller distance under the chosen learned perceptual metric
  5. 従来の知覚 (機能) 損失に最も一般的に関連付けられているバックボーン ネットワークはどれですか?
    • レスネット-152
    • ヨロ
    • VGG
    • ユーネット
  6. 純粋な L2 の代わりに知覚損失を使用することで最も直接的なメリットが得られるタスクはどれですか?
    • フォトリアルな超解像
    • 画像内のピクセルを数える
    • EXIFメタデータの読み取り
    • 画像をファイル名で並べ替える
  7. What image-input convention does the official LPIPS Python example specify?
    • Raw compressed JPEG bytes used directly as feature maps
    • Only filename strings with no decoded image data
    • A single grayscale class label for each image
    • RGB tensors with image values scaled to the range minus one to plus one
  8. Which differences receive learned per-channel weighting inside LPIPS?
    • Differences between the images' filename lengths
    • Squared differences between normalized deep feature representations
    • Only differences between JPEG quality settings
    • Only the number of object class labels predicted