이미지 색상화 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 이미지 색상화가 '잘못된' 문제로 간주되는 이유는 무엇입니까?
   • 단일 회색조 값은 다양한 실제 색상에 해당할 수 있습니다.
   • 회색조 이미지에는 사용 가능한 정보가 전혀 포함되어 있지 않습니다.
   • 컬러 이미지가 너무 커서 처리할 수 없습니다.
   • 카메라는 더 이상 회색조를 기록할 수 없습니다.
2. 널리 사용되는 Lab 색상 공간 접근 방식에서 네트워크는 무엇을 입력으로 수신합니까?
   • 전체 RGB 이미지
   • L(밝기) 채널만 해당
   • 빨간색 채널만
   • 장면의 깊이 맵
3. 왜 Zhang et al. 직접 회귀가 아닌 색상 '빈'에 대한 분류로 프레임 색상 예측을 수행합니까?
   • 분류는 신경망이 할 수 있는 유일한 작업이기 때문입니다.
   • 이미지를 작게 만들려면
   • 유효한 색상을 평균화하여 흐릿하고 채도가 낮은 결과를 방지하려면
   • 학습 데이터의 필요성을 제거하려면
4. 모델은 말하지 않고도 사물이 어떤 색상이어야 하는지 어떻게 알 수 있나요?
   • 모든 물체의 색상 목록을 수동으로 프로그래밍합니다.
   • 그들은 매번 무작위로 추측한다
   • 회색조 파일에 저장된 색상 메타데이터를 읽습니다.
   • 회색조로 변환된 수백만 장의 컬러 사진에서 통계적 사전 정보를 학습합니다.
5. 단일 사진이 아닌 비디오에 색상을 적용할 때 가장 어려운 점은 무엇입니까?
   • 깜박임을 방지하기 위해 프레임 전체에서 색상을 일관되게 유지합니다.
   • 동영상에는 회색조 버전이 없습니다.
   • 동영상에는 색상을 추가할 수 없습니다.
   • 각 프레임은 서로 다른 색상이어야 합니다.
6. 예시 기반 또는 힌트 기반 색상화를 통해 사용자는 무엇을 할 수 있나요?
   • 컬러 이미지를 다시 회색조로만 변환
   • 참조 이미지 또는 클릭한 색상 힌트를 사용하여 출력 안내
   • 신경망을 완전히 비활성화합니다.
   • 이미지를 다른 언어로 번역하세요
7. In the CIE Lab setup described in the guide, which channels does the network predict?
   • The L lightness channel only
   • RGB red and green but not blue
   • The a and b chrominance channels
   • The image’s camera pose
8. Why can direct regression toward an average color produce dull colorization?
   • The model is forced to output only black
   • Regression removes the lightness channel
   • The network cannot use training examples
   • Several plausible colors for a gray pixel may average to a muted, less likely color