Gids-gekoppelde quiz · Middelmatig Niveau

SwinIR Transformer Restauratie Quiz

Ontdek hoe SwinIR transformatorblokken met verschoven vensters aanpast voor superresolutie, ruisonderdrukking en verwijdering van compressie-artefacten.

Gerelateerde gidspadenSwinir-transformatorrestauratie
Vraag 1 van 8

Op welke transformatorarchitectuur is SwinIR gebaseerd?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Op welke transformatorarchitectuur is SwinIR gebaseerd?
    • De Swin-transformator
    • Alleen Vision Transformer (ViT).
    • BERT
    • GPT
  2. Wat is het kernaandachtsmechanisme in SwinIR?
    • Wereldwijde aandacht voor alle pixels
    • Verschoven venstergebaseerde zelfaandacht
    • Cross-imago aandacht
    • Geen aandacht, alleen convolutie
  3. Hoe worden de deep-feature blokken van SwinIR genoemd?
    • Dichte convolutieblokken
    • Omgekeerde restblokken
    • Residuele Swin Transformer-blokken (RSTB)
    • Capsuleblokken
  4. Waarom is venstergebaseerde aandacht hier efficiënter dan mondiale aandacht?
    • Er worden minder kleurkanalen gebruikt
    • Het slaat de reconstructiestap over
    • Het verwerkt alleen randen
    • De kosten stijgen lineair met het beeldgebied in plaats van kwadratisch
  5. What are the three main stages in SwinIR’s restoration architecture?
    • Shallow feature extraction, deep feature extraction, and image reconstruction
    • Text tokenization, translation, and speech synthesis
    • Noise injection, denoising, and audio decoding
    • Camera sensing, object tracking, and route planning
  6. Welk efficiëntievoordeel liet SwinIR zien ten opzichte van CNN-concurrenten?
    • Er waren geen trainingsgegevens nodig
    • Het behaalde state-of-the-art resultaten met veel minder parameters
    • Het verliep zonder enige windingen
    • Het elimineerde de behoefte aan GPU's
  7. What components does a SwinIR Residual Swin Transformer Block combine?
    • A text tokenizer and a language-model decoder
    • A GAN discriminator and a vocoder
    • Swin Transformer layers with residual connections and a convolution
    • A camera sensor and a LiDAR encoder
  8. Which image-restoration task besides super-resolution did the SwinIR paper evaluate?
    • Spraakherkenning
    • Machinevertaling
    • Protein sequence design
    • JPEG compression-artifact reduction