ガイド連動クイズ · 中 レベル

Pix2Pix 画像から画像への変換クイズ

Pix2Pix のペアデータ要件、U-Net ジェネレーター、PatchGAN 識別子、および敵対的損失と L1 損失の補完的な役割をチェックします。

関連するガイドパスPix2pix 画像から画像への変換
質問 1 の 8

Pix2Pix にはどのようなトレーニング データが必要ですか?

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. Pix2Pix にはどのようなトレーニング データが必要ですか?
    • ペアの入出力イメージの例
    • データがまったくありません
    • テキストキャプションのみ
    • 音声録音
  2. Pix2Pix はどのようなジェネレーター アーキテクチャを使用していますか?
    • プレーンな完全接続ネットワーク
    • スキップ接続を備えた U-Net
    • リカレントネットワーク
    • 決定木
  3. Pix2Pix の PatchGAN 識別子は何を評価しますか?
    • 画像全体を 1 つのグローバル スコアとして表示
    • 画像ファイルのサイズ
    • 小さなローカル画像パッチのリアリズム
    • トレーニング時間
  4. Pix2Pix が敵対的損失に加えて L1 損失を追加するのはなぜですか?
    • 意図的にトレーニングの速度を落とすため
    • 識別子を削除するには
    • ランダムノイズを生成するには
    • 敵対的損失によりより鮮明なテクスチャを促進しながら、ピクセル単位および低周波数の忠実度を固定するため
  5. U-Net スキップ接続が翻訳タスクに特に役立つのはなぜですか?
    • エッジなどの共有構造をネットワーク全体に直接渡します
    • 不要なレイヤーを削除します
    • 画像をテキストに変換します
    • データセットのサイズを削減します
  6. ペアになっていない画像コレクションから学習するために Pix2Pix を拡張したモデルはどれですか?
    • レスネット
    • サイクルガン
    • バート
    • Word2Vec
  7. PatchGAN ディスクリミネーターはなぜ局所的な画像テクスチャをより鮮明にすることができるのでしょうか?
    • 入力ラベルを直接予測します
    • 発電機の U-Net を置き換えます
    • 画像全体をスコアリングするだけではなく、小さな画像パッチでリアリズムを判断します。
    • グローバル カラー ヒストグラムのみを計算します
  8. Pix2Pix では、出力をペアのターゲット画像に最も直接的に固定する目的の部分はどれですか?
    • 学習率のウォームアップ
    • GAN のランダム シード
    • PatchGAN 受容野数
    • L1画素差損失