Kuiz Terjemahan Imej-ke-Imej Pix2Pix

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah jenis data latihan yang diperlukan oleh Pix2Pix?
   • Contoh imej input-output berpasangan
   • Tiada data langsung
   • Hanya kapsyen teks
   • Rakaman audio
2. Apakah seni bina penjana yang digunakan oleh Pix2Pix?
   • Rangkaian biasa yang disambungkan sepenuhnya
   • U-Net dengan sambungan langkau
   • Rangkaian berulang
   • Pokok keputusan
3. Apakah yang dinilai oleh diskriminator PatchGAN dalam Pix2Pix?
   • Keseluruhan imej sebagai satu skor global
   • Saiz fail imej
   • Realisme tampalan imej tempatan kecil
   • Masa latihan
4. Mengapakah Pix2Pix menambah kerugian L1 bersama kerugian musuh?
   • Untuk melambatkan latihan dengan sengaja
   • Untuk menghapuskan diskriminasi
   • Untuk menghasilkan bunyi rawak
   • Untuk menetapkan ketepatan piksel dan frekuensi rendah sementara kehilangan adversarial menggalakkan tekstur yang lebih tajam
5. Mengapakah sambungan langkau U-Net sangat membantu untuk tugas terjemahan?
   • Mereka melepasi struktur yang dikongsi seperti tepi terus merentasi rangkaian
   • Mereka memadam lapisan yang tidak perlu
   • Mereka menukar imej kepada teks
   • Mereka mengurangkan saiz set data
6. Model manakah yang memanjangkan Pix2Pix untuk belajar daripada koleksi imej yang tidak berpasangan?
   • ResNet
   • CycleGAN
   • BERT
   • Word2Vec
7. Mengapakah diskriminator PatchGAN boleh menggalakkan tekstur imej tempatan yang lebih tajam?
   • Ia meramalkan label input secara langsung
   • Ia menggantikan U-Net penjana
   • Ia menilai realisme dalam tompok imej kecil dan bukannya hanya memberi skor pada keseluruhan imej
   • Ia hanya mengira histogram warna global
8. Dalam Pix2Pix, bahagian objektif yang manakah paling langsung menetapkan output kepada imej sasaran yang dipadankan?
   • Pemanasan kadar pembelajaran
   • Benih rawak GAN
   • Kiraan medan penerimaan PatchGAN
   • Kehilangan perbezaan piksel L1