Gids-gekoppelde quiz · Middelmatig Niveau

ESRGAN en GAN Superresolutiequiz

Bestudeer het vijandige beeldopschalingsontwerp van ESRGAN, de afweging tussen perceptueel realisme en de grenzen van de gegenereerde details.

Gerelateerde gidspadenEsrgan en GAN Superresolutie
Vraag 1 van 8

Waarnaar verwijst de 'GAN' in ESRGAN?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarnaar verwijst de 'GAN' in ESRGAN?
    • Generatief vijandig netwerk
    • Gradiëntaccumulatienetwerk
    • Gaussiaanse benaderingsknooppunt
    • Mondiaal aandachtsnetwerk
  2. Welke bouwsteen gebruikt de ESRGAN-generator voornamelijk?
    • Lange-kortetermijngeheugencellen
    • Residuele-in-residuele dichte blokken (RRDB)
    • Capsule-routeringslagen
    • Transformator-zelfaandachtsblokken
  3. Waarom hebben de auteurs van ESRGAN de batchnormalisatie uit de generator verwijderd?
    • Het vertraagde de training te veel
    • Het verhoogde het geheugen tot buiten de grenzen
    • Het had de neiging om visuele artefacten te introduceren
    • Het was onverenigbaar met GAN's
  4. Wat is de belangrijkste afweging die ESRGAN maakt in vergelijking met methoden waarbij alleen pixels verloren gaan?
    • Snelheid boven nauwkeurigheid
    • Kleurnauwkeurigheid boven resolutie
    • Lager geheugen in plaats van een hogere resolutie
    • Perceptueel realisme boven exacte pixelgetrouwheid
  5. Waar wordt het perceptuele (VGG) verlies van ESRGAN gemeten?
    • Over functies vóór activering
    • Alleen op onbewerkte RGB-pixels
    • Over de eindscore van de discriminator
    • Op Fourier-getransformeerde ingangen
  6. Welke innovatie heeft de discriminator van ESRGAN geïntroduceerd?
    • Een puur convolutionele autoencoder
    • Een relativistische discriminator die echt versus nep-realisme vergelijkt
    • Een beloningsmodel voor versterkend leren
    • Een bevroren, voorgetrainde classificator
  7. Which competition did the ESRGAN paper report winning?
    • The ImageNet classification challenge
    • The Vesuvius Challenge
    • The PIRM 2018 perceptual super-resolution challenge
    • The COCO image-captioning challenge
  8. Why should generated detail from ESRGAN not be treated as recovered photographic evidence?
    • The model records the original sensor data exactly
    • GANs can only enlarge images without changing pixels
    • The output is guaranteed to match the lost high-resolution image
    • The model can synthesize plausible textures that were not present in the low-resolution input