Quiz dotyczący syntezy obrazu semantycznego SPADE

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakich danych wejściowych używa SPADE do generowania obrazu?
   • Semantyczna mapa segmentacji oznaczająca każdy region
   • Opis mówiony
   • Jedno przykładowe zdjęcie
   • Chmura punktów 3D
2. Jaki problem z wcześniejszą normalizacją rozwiązał SPADE?
   • Przez to obrazy były zbyt kolorowe
   • Warstwy normalizacyjne zmyły informacje o układzie
   • Używał za mało pamięci
   • Nie radził sobie z kolorowymi obrazami
3. W SPADE skala normalizacji i parametry przesunięcia to:
   • Losowy hałas
   • Pojedyncze wartości wspólne dla całego obrazu
   • Zmienne przestrzennie tensory obliczone z maski segmentacji
   • Stałe stałe
4. Która słynna interaktywna aplikacja jest zbudowana na SPADE?
   • Photoshopa
   • Google Przetłumacz
   • Midjourney v1
   • GauGAN (płótno NVIDIA)
5. Co oznacza „SP” w SPADE?
   • Adaptacyjne przestrzennie
   • Superpiksel
   • Łączenie widmowe
   • Rzadka projekcja
6. Praktyczną zaletą kontrolowanego układu SPADE jest:
   • 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