ガイド連動クイズ · 中 レベル

Real-ESRGAN 実践的な復元クイズ

Real-ESRGAN が現実世界の画像劣化をシミュレートし、復元中にノイズ、圧縮、メモリ制約を処理する方法を学びます。

関連するガイドパスリアル・エスルガンの実践的修復
質問 1 の 8

Real-ESRGAN は元の ESRGAN の主な弱点に対処しましたか?

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. Real-ESRGAN は元の ESRGAN の主な弱点に対処しましたか?
    • クリーンなバイキュービック ダウンスケーリングのみでトレーニングされました
    • グレースケール画像でのみ機能しました
    • GPUでは実行できませんでした
    • ペアになった本物の写真が必要でした
  2. Real-ESRGAN の「高次劣化」モデルとは何ですか?
    • 高解像度のジェネレーター
    • 連続して適用される複数のランダムな劣化のチェーン
    • 新しい注目メカニズム
    • より大きな識別子
  3. Real-ESRGAN はどのような識別器アーキテクチャを使用しますか?
    • 単一の線形分類器
    • リカレントネットワーク
    • スペクトル正規化を備えた U-Net
    • 冷凍VGG
  4. Real-ESRGAN の「sinc」フィルターはどのアーティファクトを再現しますか?
    • カラーバンディング
    • レンズフレア
    • 色収差
    • リンギングとオーバーシュート
  5. Real-ESRGAN ジェネレーターは ESRGAN からどのようなバックボーンを保持していますか?
    • RRDB ブロック
    • トランスエンコーダー
    • U-Netの普及
    • LSTM スタック
  6. In GFPGAN’s documented inference command, which background upsampler is set by default?
    • リアル ESRGAN
    • ESRGAN only
    • A fixed bicubic resize
    • No background upsampler is supported
  7. What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
    • Only medical CT scans
    • Only satellite photographs
    • Anime illustrations
    • Only grayscale handwritten documents
  8. Why can tiled inference help when restoring a very large image?
    • It guarantees that every tile contains the same details
    • It replaces super-resolution with image compression
    • It prevents the model from seeing any neighboring pixels
    • It processes smaller patches to reduce peak memory use