Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Pemulihan Praktikal ESRGAN Sebenar
Ketahui cara Real-ESRGAN mensimulasikan kemerosotan imej dunia sebenar dan mengendalikan hingar, mampatan dan kekangan memori semasa pemulihan.
soalan 1 daripada 8
Apakah kelemahan utama ESRGAN asal yang ditangani oleh Real-ESRGAN?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Apakah kelemahan utama ESRGAN asal yang ditangani oleh Real-ESRGAN?
- Ia dilatih hanya pada penskalaan bawah bikubik yang bersih
- Ia hanya berfungsi pada imej skala kelabu
- Ia tidak boleh berjalan pada GPU
- Ia memerlukan gambar sebenar berpasangan
- Apakah model 'degradasi pesanan tinggi' Real-ESRGAN?
- Penjana resolusi lebih tinggi
- Rantaian pelbagai degradasi rawak digunakan dalam urutan
- Mekanisme perhatian baharu
- Diskriminasi yang lebih besar
- Apakah seni bina diskriminator yang digunakan oleh Real-ESRGAN?
- Pengelas linear tunggal
- Rangkaian berulang
- U-Net dengan normalisasi spektrum
- VGG beku
- Artifak manakah yang dihasilkan semula oleh penapis 'sinc' dalam Real-ESRGAN?
- Jalinan warna
- Lensa suar
- Penyimpangan kromatik
- Berdering dan overshoot
- Apakah tulang belakang yang dikekalkan oleh penjana Real-ESRGAN daripada ESRGAN?
- RRDB menyekat
- Pengekod pengubah
- U-Net resapan
- Timbunan LSTM
- In GFPGAN’s documented inference command, which background upsampler is set by default?
- Real-ESRGAN
- ESRGAN only
- A fixed bicubic resize
- No background upsampler is supported
- What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
- Only medical CT scans
- Only satellite photographs
- Anime illustrations
- Only grayscale handwritten documents
- Why can tiled inference help when restoring a very large image?
- It guarantees that every tile contains the same details
- It replaces super-resolution with image compression
- It prevents the model from seeing any neighboring pixels
- It processes smaller patches to reduce peak memory use