가이드 연계 퀴즈 · 중간 레벨

라마 결의안 - 강력한 인페인팅 퀴즈

LaMa가 푸리에 컨볼루션, 높은 수용 필드 손실, 이미지 인페인팅을 위한 대형 마스크 및 보고된 한계를 결합하는 방법을 알아보세요.

관련 가이드 경로라마 해상도 강력한 인페인팅
질문 1 의 8

LaMa에게 이미지에 대한 전체적인 시각을 제공하는 대표적인 건축 구성 요소는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. LaMa에게 이미지에 대한 전체적인 시각을 제공하는 대표적인 건축 구성 요소는 무엇입니까?
    • 고속 푸리에 컨볼루션
    • Transformer 자체 주의 블록
    • 순환 LSTM 레이어
    • 캡슐 네트워크
  2. LaMa가 이전의 많은 인페인팅 모델보다 대형 마스크를 더 잘 처리하는 이유는 무엇입니까?
    • 작은 이미지에서만 작동합니다.
    • 글로벌 수용 필드를 통해 큰 구멍 전체에서 구조를 계속 유지할 수 있습니다.
    • 가장자리에서 무작위로 픽셀을 복사합니다.
    • 고정된 크기 이상의 마스크 채우기를 거부합니다.
  3. What resolution behavior did the LaMa paper report?
    • It only works at one exact training resolution
    • It works only below the training resolution
    • It generalized to some resolutions higher than those used during training in the evaluated settings
    • It accepts no image input
  4. LaMa는 주파수 영역 처리 덕분에 어떤 종류의 텍스처를 특히 잘 처리합니까?
    • 순수한 무작위 잡음
    • 단색 단색만 사용 가능
    • 텍스트 문자만
    • 벽돌이나 타일과 같은 반복적이고 주기적인 질감
  5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
    • As a comparatively efficient convolutional inpainting method
    • As a much slower model that requires a data center
    • As a video-only model
    • As a tool that never needs an image
  6. LaMa가 흐릿한 평균 대신 사실적으로 보이는 채우기를 생성하는 데 도움이 되는 손실은 무엇입니까?
    • 단순 픽셀 평균 제곱 오류 손실만
    • 지각적 손실과 결합된 적대적 손실
    • 손실 기능이 전혀 없습니다.
    • 파일 크기만 측정하는 손실
  7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
    • 음성 인식 손실
    • A bitrate-only loss
    • A perceptual loss with a high receptive field
    • A loss that ignores image structure
  8. Who introduced LaMa in the 2021 paper?
    • Jonathan Frankle and Michael Carbin
    • Cees Taal and colleagues
    • Timothy Dozat and Christopher Manning
    • Roman Suvorov and colleagues