Kuiz berkaitan panduan · Sederhana Tahap

ESRGAN dan GAN Super-Resolution Kuiz

Kaji reka bentuk peningkatan imej lawan ESRGAN, pertukaran realisme persepsinya, dan had perincian yang dihasilkannya.

Laluan panduan yang berkaitanResolusi Super Esrgan Dan GAN
soalan 1 daripada 8

Apakah yang dimaksudkan dengan 'GAN' dalam ESRGAN?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang dimaksudkan dengan 'GAN' dalam ESRGAN?
    • Rangkaian Musuh Generatif
    • Rangkaian Pengumpulan Kecerunan
    • Nod Penghampiran Gaussian
    • Rangkaian Perhatian Global
  2. Apakah blok bangunan yang digunakan terutamanya oleh penjana ESRGAN?
    • Sel Memori Jangka Pendek Panjang
    • Blok Padat Baki-dalam-Baki (RRDB)
    • Lapisan penghalaan kapsul
    • Blok perhatian diri pengubah
  3. Mengapakah pengarang ESRGAN mengalih keluar penormalan kelompok daripada penjana?
    • Ia melambatkan latihan terlalu banyak
    • Ia meningkatkan ingatan melebihi had
    • Ia cenderung untuk memperkenalkan artifak visual
    • Ia tidak serasi dengan GAN
  4. Apakah pertukaran utama yang dibuat oleh ESRGAN berbanding dengan kaedah kehilangan piksel sahaja?
    • Kepantasan melebihi ketepatan
    • Ketepatan warna berbanding resolusi
    • Memori yang lebih rendah berbanding resolusi yang lebih tinggi
    • Realisme persepsi terhadap kesetiaan piksel yang tepat
  5. Di manakah kehilangan persepsi (VGG) ESRGAN diukur?
    • Pada ciri sebelum pengaktifan
    • Pada piksel RGB mentah sahaja
    • Pada markah akhir pendiskriminasi
    • Pada input yang diubah suai Fourier
  6. Apakah inovasi yang diperkenalkan oleh diskriminasi ESRGAN?
    • Pengekod autokonvolusi semata-mata
    • Diskriminasi relativistik yang membandingkan realisme sebenar vs palsu
    • Model ganjaran pembelajaran pengukuhan
    • Pengelas pralatih beku
  7. Which competition did the ESRGAN paper report winning?
    • The ImageNet classification challenge
    • The Vesuvius Challenge
    • The PIRM 2018 perceptual super-resolution challenge
    • The COCO image-captioning challenge
  8. Why should generated detail from ESRGAN not be treated as recovered photographic evidence?
    • The model records the original sensor data exactly
    • GANs can only enlarge images without changing pixels
    • The output is guaranteed to match the lost high-resolution image
    • The model can synthesize plausible textures that were not present in the low-resolution input