Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pemulihan Wajah GFPGAN

Semak muka terlatih GFPGAN sebelum ini, pengadunan ciri, pemulihan laluan tunggal dan had kesetiaan butiran yang dibina semula.

Laluan panduan yang berkaitanPemulihan Wajah Gfpgan
soalan 1 daripada 8

Apakah model pralatihan yang menyediakan 'facial muka generatif' GFPGAN?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah model pralatihan yang menyediakan 'facial muka generatif' GFPGAN?
    • GayaGAN2
    • BERT
    • ResNet-50
    • Bisik
  2. Apakah peranan lapisan CS-SFT GFPGAN?
    • They compress the image file
    • They blend prior features with input-specific information to balance realism and fidelity
    • They translate captions
    • They detect objects in the background
  3. Apakah laporan kertas GFPGAN tentang inferens?
    • It needs exactly 50 optimization passes
    • It performs one pass per image pixel
    • It restores facial details in a single forward pass
    • It iterates until the input becomes a perfect photograph
  4. Apakah model pendamping yang sering digandingkan dengan GFPGAN untuk mengendalikan latar belakang?
    • GPT-4
    • YOLO
    • Resapan Stabil XL
    • Real-ESRGAN
  5. Semasa latihan, apakah yang TIDAK diperlukan oleh GFPGAN?
    • Dipasangkan foto berkualiti tinggi orang tertentu yang sama
    • Kerugian musuh
    • Wajah terlatih sebelum ini
    • Kehilangan persepsi
  6. Apakah kebimbangan etika utama dengan pemulihan gaya GFPGAN?
    • Ia menggunakan terlalu sedikit tenaga elektrik
    • Ia boleh mencipta perincian muka yang munasabah yang bukan dalam bentuk asal
    • Ia hanya berfungsi pada kartun
    • Ia memadam fail asal secara automatik
  7. What is the full name of GFPGAN’s CS-SFT component?
    • Color-Space Semantic Face Tracking
    • Convolutional Style-Filter Training
    • Channel-Split Spatial Feature Transform
    • Channel-Specific Super-Resolution Fourier Transform
  8. In blind face restoration, what does “blind” mean?
    • The face is hidden behind an object
    • The system only processes black-and-white images
    • The model never sees an input image
    • The exact degradation process is not known in advance