Gids-gekoppelde quiz · Middelmatig Niveau

Quiz over superresolutie van afbeeldingen

Begrijp hoe super-resolutie een afbeelding met een hogere resolutie schat en waarom aannemelijke details dubbelzinnig of verzonnen kunnen zijn.

Gerelateerde gidspadenBeeldsuperresolutie
Vraag 1 van 8

Waarom wordt superresolutie van één afbeelding een 'slecht gesteld' probleem genoemd?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarom wordt superresolutie van één afbeelding een 'slecht gesteld' probleem genoemd?
    • Veel verschillende afbeeldingen met een hoge resolutie kunnen dezelfde invoer met een lage resolutie produceren
    • De invoerafbeeldingen zijn altijd onherstelbaar beschadigd
    • De wiskunde heeft helemaal geen oplossing
    • Het vereist meer geheugen dan welke GPU dan ook
  2. Wat is een veelvoorkomend nadeel van het trainen van superresolutienetwerken met slechts een pixelsgewijs MSE-verlies?
    • Uitgangen worden overdreven scherp en luidruchtig
    • De uitvoer ziet er wazig en te vloeiend uit
    • Het model weigert de afbeelding te vergroten
    • Het kan alleen grijswaardenafbeeldingen verwerken
  3. Wat voegt het op GAN gebaseerde model ESRGAN toe om de waargenomen scherpte te verbeteren?
    • Grotere bicubische interpolatiekernels
    • Een op regels gebaseerd filter voor randverscherping
    • Een discriminator en perceptueel verlies van kenmerkruimte
    • Alleen meer trainingstijdperken
  4. Waarom moeten superresolutie-uitvoer voorzichtig worden behandeld in forensische of medische omgevingen?
    • Ze zijn altijd van lagere kwaliteit dan de input
    • Ze kunnen niet in standaardformaten worden opgeslagen
    • Ze verdubbelen elke keer de bestandsgrootte
    • Het model bedenkt plausibele details die mogelijk niet de ware inhoud zijn
  5. Hoe genereert op diffusie gebaseerde superresolutie (zoals SR3) details?
    • Door ruis iteratief in vele stappen tot in detail te verfijnen
    • Door pixels te kopiëren uit een database met stockfoto's
    • Door het toepassen van een enkele verscherpingswinding
    • Door de afbeelding te comprimeren met JPEG
  6. Op welk probleem richt Real-ESRGAN zich specifiek in vergelijking met eerdere SR-modellen?
    • Alleen cartoonafbeeldingen opschalen
    • Omgaan met rommelige degradaties in de echte wereld, zoals ruis en compressie
    • Met opzet de beeldresolutie verlagen
    • Afbeeldingen omzetten naar vectorafbeeldingen
  7. Wat doet de subpixelconvolutie in ESPCN?
    • Het schat de optische stroom tussen videoframes
    • Het classificeert objecten zonder upsampling
    • Het herschikt functiekanalen in een beeldraster met een hogere resolutie
    • Het voegt een tekstprompt toe aan het insluiten van een afbeelding
  8. Wat voor soort beeldparen heeft de RealSR-dataset verzameld?
    • Alleen beelden met synthetische Gaussiaanse ruis
    • Beschrijvingen met alleen tekst gecombineerd met audio
    • Ongepaarde medische scans van verschillende patiënten
    • Real-world gekoppelde beelden met een lage en hoge resolutie, vastgelegd met verschillende camera's of zoominstellingen