가이드 연계 퀴즈 · 중간 레벨

CodeFormer 강력한 얼굴 복구 퀴즈

CodeFormer의 개별 얼굴 코드 예측, Transformer 컨텍스트, 제어 가능한 충실도 절충 및 심각한 복원에 대한 증거 한계를 검토합니다.

관련 가이드 경로Codeformer 강력한 얼굴 복구
질문 1 의 8

CodeFormer는 얼굴 복원 문제를 근본적으로 어떻게 구성합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. CodeFormer는 얼굴 복원 문제를 근본적으로 어떻게 구성합니까?
    • 학습된 코드북으로부터 이산 코드 예측
    • 지속적인 픽셀 회귀로
    • 오디오 전사로
    • 텍스트 요약으로
  2. 사용할 코드북 항목을 예측하는 구성 요소는 무엇입니까?
    • 난수 생성기
    • 변압기
    • 의사결정 트리
    • 푸리에 변환
  3. Why can CodeFormer’s discrete codebook help with severely degraded faces?
    • It converts images to grayscale
    • 모든 색상 정보를 제거합니다.
    • It constrains predictions to a learned vocabulary of facial visual atoms
    • It requires the input to be pristine
  4. What does CodeFormer’s controllable feature transformation setting adjust?
    • Image resolution only
    • File format
    • 감지된 얼굴 수
    • The trade-off between fidelity to the input and restored visual quality
  5. CodeFormer는 어느 장소에서 출판되었나요?
    • NeurIPS 2022
    • 시그라프 1999
    • 요리 잡지
    • 출판된 적이 없습니다.
  6. 코드북 훈련은 어떤 기술에서 파생되나요?
    • 선형 회귀
    • VQGAN 스타일 벡터 양자화 모델
    • 관계형 데이터베이스
    • 스프레드시트 매크로
  7. What two needs does the CodeFormer paper identify for blind face restoration guidance?
    • Changing image format and compressing files
    • Detecting camera brand and lens type
    • Improving the degraded-input mapping and complementing details lost from the input
    • Removing color and resizing the image
  8. What kinds of test data did the CodeFormer paper use in its reported experiments?
    • Only hand-drawn illustrations
    • Only pristine studio portraits
    • Audio and text datasets
    • Synthetic and real-world degraded faces