Kuiz Super-Resolusi Imej

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Mengapakah resolusi super imej tunggal dipanggil masalah 'disebabkan'?
   • Banyak imej resolusi tinggi yang berbeza boleh menghasilkan input resolusi rendah yang sama
   • Imej input sentiasa rosak dan tidak dapat dibaiki
   • Matematik tidak mempunyai penyelesaian sama sekali
   • Ia memerlukan lebih banyak memori daripada mana-mana GPU
2. Apakah kelemahan biasa melatih rangkaian resolusi super dengan hanya kehilangan MSE dari segi piksel?
   • Output menjadi terlalu tajam dan bising
   • Output kelihatan kabur dan terlalu lancar
   • Model enggan membesarkan imej
   • Ia hanya boleh memproses imej skala kelabu
3. Apakah yang ditambah oleh model berasaskan GAN ESRGAN untuk meningkatkan ketajaman yang dirasakan?
   • Isirong interpolasi bikubik yang lebih besar
   • Penapis mengasah tepi berasaskan peraturan
   • Kehilangan ruang ciri diskriminasi dan persepsi
   • Lebih banyak zaman latihan sahaja
4. Mengapakah output resolusi super mesti dirawat dengan berhati-hati dalam tetapan forensik atau perubatan?
   • Mereka sentiasa berkualiti rendah daripada input
   • Mereka tidak boleh disimpan dalam format standard
   • Mereka menggandakan saiz fail setiap kali
   • Model mencipta perincian yang munasabah yang mungkin bukan kandungan sebenar
5. Bagaimanakah resolusi super berasaskan penyebaran (seperti SR3) menjana butiran?
   • Dengan menapis bunyi secara berulang-ulang menjadi terperinci melalui banyak langkah
   • Dengan menyalin piksel daripada pangkalan data stok foto
   • Dengan menggunakan satu lilitan mengasah
   • Dengan memampatkan imej dengan JPEG
6. Apakah masalah yang disasarkan secara khusus Real-ESRGAN berbanding model SR terdahulu?
   • Menaikkan hanya imej kartun
   • Mengendalikan kemerosotan dunia sebenar yang tidak kemas seperti hingar dan mampatan
   • Mengurangkan resolusi imej dengan sengaja
   • Menukar imej kepada grafik vektor
7. What does the sub-pixel convolution in ESPCN do?
   • It estimates optical flow between video frames
   • It classifies objects without upsampling
   • It rearranges feature channels into a higher-resolution image grid
   • It adds a text prompt to an image embedding
8. What kind of image pairs did the RealSR dataset collect?
   • Only synthetic Gaussian-noise images
   • Text-only descriptions paired with audio
   • Unpaired medical scans from different patients
   • Real-world paired low- and high-resolution images captured with different cameras or zoom settings