Gids-gekoppelde quiz · Middelmatig Niveau
LaMa Resolutie-Robuuste Inpainting Quiz
Leer hoe LaMa Fourier-convoluties, hoge receptieve veldverliezen en grote maskers combineert voor het inkleuren van afbeeldingen en de gerapporteerde limieten ervan.
Vraag 1 van 8
Wat is de kenmerkende architecturale component die LaMa zijn globale kijk op een beeld geeft?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat is de kenmerkende architecturale component die LaMa zijn globale kijk op een beeld geeft?
- Snelle Fourier-convoluties
- Transformator-zelfaandachtsblokken
- Terugkerende LSTM-lagen
- Capsule-netwerken
- Waarom kan LaMa beter met grote maskers omgaan dan veel eerdere inpainting-modellen?
- Het werkt alleen op kleine afbeeldingen
- Dankzij het mondiale ontvankelijke veld kan de structuur over grote gaten heen worden voortgezet
- Het kopieert pixels willekeurig vanaf de randen
- Het weigert maskers boven een vaste maat te vullen
- What resolution behavior did the LaMa paper report?
- It only works at one exact training resolution
- It works only below the training resolution
- It generalized to some resolutions higher than those used during training in the evaluated settings
- It accepts no image input
- Met wat voor soort texturen kan LaMa bijzonder goed omgaan dankzij de frequentiedomeinverwerking?
- Puur willekeurig geluid
- Alleen effen enkele kleuren
- Exclusief teksttekens
- Repetitieve, periodieke texturen zoals baksteen of tegels
- Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
- As a comparatively efficient convolutional inpainting method
- As a much slower model that requires a data center
- As a video-only model
- As a tool that never needs an image
- Welk verlies helpt LaMa om realistisch ogende vullingen te produceren in plaats van wazige gemiddelden?
- Alleen al een eenvoudig verlies van de gemiddelde kwadratische fout van de pixel
- Een vijandelijk verlies gecombineerd met een perceptueel verlies
- Helemaal geen verliesfunctie
- Een verlies dat alleen de bestandsgrootte meet
- What additional loss component does the LaMa paper emphasize for large-mask inpainting?
- Een verlies van spraakherkenning
- A bitrate-only loss
- A perceptual loss with a high receptive field
- A loss that ignores image structure
- Who introduced LaMa in the 2021 paper?
- Jonathan Frankle and Michael Carbin
- Cees Taal and colleagues
- Timothy Dozat and Christopher Manning
- Roman Suvorov and colleagues