가이드 연계 퀴즈 · 중간 레벨

CycleGAN 짝이 없는 번역 퀴즈

CycleGAN이 역 매핑, 적대적 판별자 및 주기 일관성을 사용하여 쌍을 이루는 예 없이 이미지를 변환하는 방법을 검토하세요.

관련 가이드 경로Cyclegan 짝이 없는 번역
질문 1 의 8

pix2pix와 같은 이전 방법으로는 해결하지 못한 문제 중 CycleGAN이 해결하는 주요 문제는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. pix2pix와 같은 이전 방법으로는 해결하지 못한 문제 중 CycleGAN이 해결하는 주요 문제는 무엇입니까?
    • 일치하는 전후 쌍이 필요 없이 이미지를 변환합니다.
    • 전적으로 모바일 CPU에서 실행됩니다.
    • 훈련 데이터가 필요하지 않습니다.
    • 흑백 이미지에서만 작동합니다.
  2. 주기 일관성 손실은 무엇을 강제합니까?
    • 모든 출력 이미지는 회색조입니다.
    • 이미지를 다른 도메인으로 번역했다가 다시 복원하면 원본이 복구됩니다.
    • 차별자가 항상 승리한다는 것
    • 생성기는 동일한 가중치를 공유합니다.
  3. 표준 CycleGAN은 몇 개의 생성기를 사용합니까?
    • 하나
    • 4개
    • 2개
    • 세
  4. CycleGAN은 일반적으로 어떤 유형의 판별자를 사용합니까?
    • 전체 이미지의 단일 시그모이드
    • 사전 학습된 ImageNet 분류기
    • 차별자가 전혀 없음
    • 이미지 패치를 분류하는 PatchGAN
  5. CycleGAN에 때때로 ID 손실이 추가되는 이유는 무엇입니까?
    • 입력이 이미 대상 도메인과 일치하는 경우 색상을 유지하는 데 도움이 됩니다.
    • 훈련을 더 빠르게 하기 위해
    • 판별자의 필요성을 제거하려면
    • 이미지를 스케치로 변환하려면
  6. 다음 중 고전적인 CycleGAN 데모는 무엇입니까?
    • 음성에서 텍스트 생성
    • 말 사진을 얼룩말 사진으로 바꾸기
    • 필기체 전사
    • 비디오 파일 압축
  7. Why does a standard CycleGAN use one discriminator for each image domain?
    • Each one estimates the image’s text caption
    • One discriminator identifies the source dataset and the other the author
    • Each discriminator judges whether generated images look realistic in its target domain
    • They replace the two generators
  8. How can CycleGAN support synthetic-to-real adaptation for autonomous-driving vision?
    • Generate steering labels from vehicle sounds
    • Replace all road images with segmentation text
    • Identify a driver from a voice recording
    • Translate simulator images toward the visual style of real road scenes without paired matches