Kuiz Sintesis Imej Semantik SPADE

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah input yang digunakan oleh SPADE untuk menghasilkan imej?
   • Peta pembahagian semantik yang melabelkan setiap rantau
   • Penerangan yang diucapkan
   • Satu contoh foto
   • Awan titik 3D
2. Apakah masalah dengan normalisasi awal yang SPADE selesaikan?
   • Ia menjadikan imej terlalu berwarna
   • Lapisan penormalan membasuh maklumat susun atur
   • Ia menggunakan ingatan yang terlalu sedikit
   • Ia tidak dapat mengendalikan imej berwarna
3. Dalam SPADE, skala normalisasi dan parameter anjakan ialah:
   • Bunyi rawak
   • Nilai tunggal dikongsi di seluruh imej
   • Tensor yang berbeza-beza secara ruang dikira daripada topeng pembahagian
   • Pemalar tetap
4. Apl interaktif terkenal manakah yang dibina pada SPADE?
   • Photoshop
   • Google Terjemah
   • Midjourney v1
   • GauGAN (NVIDIA Canvas)
5. Apakah maksud 'SP' dalam SPADE?
   • Spatially-Adaptive
   • Piksel Super
   • Pengumpulan Spektrum
   • Unjuran Jarang
6. Manfaat praktikal susun atur terkawal SPADE ialah:
   • Improving the input map’s pixel resolution without image synthesis
   • Controlling where labeled scene elements appear in the generated image
   • Translating every label into natural-language captions
   • Compressing generated scenes into smaller files
7. Why can SPADE-generated images be useful when training semantic-segmentation systems?
   • The generated images contain only unlabeled audio
   • The system predicts a transcript for every pixel
   • The input layout already supplies pixel labels for the generated scene
   • The layout removes all semantic categories
8. What can happen when a designer changes a region label in a SPADE input map?
   • It changes the audio sample rate
   • It retrains the generator from scratch
   • It removes the labels from all other regions
   • The generator can synthesize the scene with the revised semantic region