가이드 연계 퀴즈 · 중간 레벨
U-Net 아키텍처 퀴즈
U-Net 인코더-디코더 대칭, 연결 건너뛰기, 생체의학 분할, 확산 노이즈 예측 및 대안을 테스트합니다.
질문 1 의 8
U-Net이 'U' 모양을 갖게 된 이유는 무엇입니까?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- U-Net이 'U' 모양을 갖게 된 이유는 무엇입니까?
- 다운샘플링하는 인코더와 업샘플링하는 대칭 디코더
- 컨볼루션의 단일 직선 스택
- 연결되지 않은 두 개의 병렬 네트워크
- 시간 단계에 따른 반복 루프
- U-Net의 스킵 연결의 목적은 무엇입니까?
- 매개변수 수를 0으로 줄이려면
- 인코더 레이어의 미세한 공간 세부 정보를 일치하는 디코더 레이어에 직접 전달하려면
- 이미지를 회색조로 변환하려면
- 훈련을 완전히 건너뛰려면
- U-Net은 원래 무엇을 위해 설계되었나요?
- 음성 인식
- 주가 예측
- 생체의학 이미지 분할
- 텍스트 번역
- Stable Diffusion에서 U-Net은 각 단계에서 무엇을 예측하나요?
- 이미지의 마지막 캡션
- 압축 비율
- 카메라 각도
- 시끄러운 잠재성에서 제거할 잡음
- 인코더가 다운샘플링하면 공간 정보는 어떻게 되나요?
- 존재하는 '무엇'을 추상화하지만 정확한 '어디' 세부정보를 잃습니다.
- 정확한 픽셀 위치를 얻습니다.
- 이미지를 텍스트로 변환해줍니다
- 해상도가 2배가 되네요
- Which augmentation did the original U-Net paper use to learn invariance from limited annotated biomedical images?
- Replacing every image with a random label
- Elastic deformations of the training images
- Training only on unmodified test images
- Removing the decoder path before training
- How did the original U-Net paper process large images beyond the network’s input size?
- By discarding all image borders
- By resizing every image to one pixel
- By predicting on overlapping tiles and extrapolating context at tile borders
- By running the model once on a text prompt
- What did the original U-Net paper’s weighted loss emphasize?
- Only background pixels, regardless of distance
- The most common image color
- Noise prediction at a diffusion timestep
- Border pixels between touching cells to help separate adjacent objects