StyleGAN 아키텍처 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. StyleGAN 매핑 네트워크의 목적은 무엇입니까?
   • 이미지가 진짜인지 가짜인지 분류하려면
   • 이미지를 더 높은 해상도로 업샘플링하려면
   • 저장을 위해 최종 이미지를 압축하려면
   • 잠재 z를 보다 얽힌 중간 공간 W로 변환하려면
2. 원본 StyleGAN에서 스타일은 기능 맵에 어떻게 주입됩니까?
   • 잠재 벡터를 각 픽셀에 연결함으로써
   • 적응형 인스턴스 정규화(AdaIN)를 통해
   • 최종 소프트맥스 레이어를 통해
   • 최대 풀링 사용
3. 잠재 벡터 대신 합성 네트워크는 무엇에서 시작됩니까?
   • 학습된 상수 텐서
   • 실제 얼굴 사진
   • 출력과 동일한 크기의 순수 백색 잡음
   • 가장자리 지도
4. 거친(저해상도) 레이어에서 스타일을 조정하면 주로 무엇을 제어합니까?
   • 미세한 피부결과 주근깨
   • 개별 픽셀의 색상만
   • 포즈 및 얼굴 모양과 같은 높은 수준의 속성
   • 이미지 파일 형식
5. StyleGAN2는 원본과 관련하여 어떤 문제를 수정했습니까?
   • 텍스트-이미지 메시지를 추가했습니다.
   • AdaIN으로 인한 특징적인 얼룩 같은 아티팩트를 제거했습니다.
   • 판별자가 필요하지 않게 되었습니다.
   • 처음으로 완전히 감독되지 않은 교육을 실시했습니다.
6. StyleGAN의 '스타일 믹싱'이란 무엇입니까?
   • 훈련 전 두 데이터 세트 혼합
   • 판별기의 출력 평균화
   • 생성된 이미지와 오디오 믹싱
   • 서로 다른 레이어에서 서로 다른 w 벡터를 사용하여 두 이미지의 속성 결합
7. What role do separate per-layer noise inputs play in original StyleGAN synthesis?
   • They replace the mapping network's entire style representation
   • They determine the file's compression format
   • They supply stochastic fine detail, such as varying hair strands or freckles
   • They provide the discriminator's real-image labels
8. What visual behavior did StyleGAN3's alias-free design target?
   • Texture sticking and aliasing that make details move unnaturally as image content changes
   • The absence of a text tokenizer in original StyleGAN
   • A requirement that every output be a grayscale photograph
   • The need to store generated images as audio waveforms