Kuiz Mewarna Imej

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Mengapa pewarnaan imej dianggap sebagai masalah 'tidak bergambar'?
   • Nilai skala kelabu tunggal boleh sepadan dengan banyak warna sebenar yang berbeza
   • Imej skala kelabu tidak mengandungi maklumat yang boleh digunakan sama sekali
   • Imej berwarna terlalu besar untuk diproses
   • Kamera tidak boleh merakam skala kelabu lagi
2. Dalam pendekatan ruang warna Lab yang popular, apakah yang diterima rangkaian sebagai input?
   • Imej RGB penuh
   • Hanya saluran L (lightness).
   • Hanya saluran merah
   • Peta kedalaman tempat kejadian
3. Mengapakah Zhang et al. ramalan warna bingkai sebagai klasifikasi ke atas 'tong sampah' warna dan bukannya regresi langsung?
   • Kerana pengelasan adalah satu-satunya perkara yang boleh dilakukan oleh rangkaian saraf
   • Untuk menjadikan imej lebih kecil
   • Untuk mengelakkan purata warna yang sah menjadi hasil yang membosankan dan nyahtepu
   • Untuk menghapuskan keperluan untuk data latihan
4. Bagaimanakah model mengetahui warna objek yang sepatutnya tanpa diberitahu?
   • Mereka diprogramkan secara manual dengan senarai warna setiap objek
   • Mereka meneka secara rawak setiap kali
   • Mereka membaca metadata warna yang disimpan dalam fail skala kelabu
   • Mereka mempelajari prior statistik daripada berjuta-juta foto berwarna yang ditukar kepada skala kelabu
5. Apakah cabaran utama apabila mewarnakan video dan bukannya foto tunggal?
   • Memastikan warna konsisten merentas bingkai untuk mengelakkan kelipan
   • Video tidak mempunyai versi skala kelabu
   • Warna adalah mustahil untuk ditambah pada imej bergerak
   • Setiap bingkai mestilah warna yang berbeza
6. Apakah pewarna berasaskan contoh atau berasaskan pembayang yang membolehkan pengguna lakukan?
   • Tukar imej berwarna kembali kepada skala kelabu sahaja
   • Bimbing output menggunakan imej rujukan atau pembayang warna yang diklik
   • Lumpuhkan rangkaian saraf sepenuhnya
   • Terjemahkan imej ke dalam bahasa lain
7. In the CIE Lab setup described in the guide, which channels does the network predict?
   • The L lightness channel only
   • RGB red and green but not blue
   • The a and b chrominance channels
   • The image’s camera pose
8. Why can direct regression toward an average color produce dull colorization?
   • The model is forced to output only black
   • Regression removes the lightness channel
   • The network cannot use training examples
   • Several plausible colors for a gray pixel may average to a muted, less likely color