가이드 연계 퀴즈 · 중간 레벨

Real-ESRGAN 실용 복원 퀴즈

Real-ESRGAN이 실제 이미지 저하를 시뮬레이션하고 복원 중에 노이즈, 압축 및 메모리 제약 조건을 처리하는 방법을 알아보세요.

관련 가이드 경로실제 에스르간 실용적인 복원
질문 1 의 8

Real-ESRGAN이 해결한 원래 ESRGAN의 주요 약점은 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. Real-ESRGAN이 해결한 원래 ESRGAN의 주요 약점은 무엇입니까?
    • 깨끗한 바이큐빅 축소에 대해서만 훈련되었습니다.
    • 회색조 이미지에서만 작동했습니다.
    • GPU에서는 실행할 수 없습니다.
    • 짝을 이루는 실제 사진이 필요합니다.
  2. Real-ESRGAN의 '고차 저하' 모델은 무엇입니까?
    • 고해상도 생성기
    • 순차적으로 적용되는 여러 무작위 성능 저하 체인
    • 새로운 주의 메커니즘
    • 더 큰 판별기
  3. Real-ESRGAN은 어떤 판별기 아키텍처를 사용합니까?
    • 단일 선형 분류기
    • 순환 네트워크
    • 스펙트럼 정규화가 적용된 U-Net
    • 냉동 VGG
  4. Real-ESRGAN의 'sinc' 필터는 어떤 아티팩트를 재현합니까?
    • 컬러 밴딩
    • 렌즈 플레어
    • 색수차
    • 링잉 및 오버슈트
  5. Real-ESRGAN 생성기는 ESRGAN에서 어떤 백본을 유지합니까?
    • RRDB 블록
    • 변압기 인코더
    • 확산 U-Net
    • LSTM 스택
  6. In GFPGAN’s documented inference command, which background upsampler is set by default?
    • 실제 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