Questionário de colorização de imagens

As respostas e explicações aparecem conforme você responde ao teste.

1. Por que a colorização de imagens é considerada um problema “mal colocado”?
   • Um único valor de escala de cinza pode corresponder a muitas cores reais diferentes
   • Imagens em tons de cinza não contêm nenhuma informação utilizável
   • As imagens coloridas são muito grandes para serem processadas
   • As câmeras não podem mais gravar em tons de cinza
2. Na popular abordagem do espaço de cores Lab, o que a rede recebe como entrada?
   • A imagem RGB completa
   • Somente o canal L (luminosidade)
   • Somente o canal vermelho
   • Um mapa de profundidade da cena
3. Por que Zhang et al. previsão de cores de quadros como classificação sobre 'caixas' de cores em vez de regressão direta?
   • Porque a classificação é a única coisa que as redes neurais podem fazer
   • Para diminuir as imagens
   • Para evitar a média de cores válidas em resultados opacos e dessaturados
   • Para eliminar a necessidade de dados de treinamento
4. Como os modelos aprendem quais cores os objetos devem ter sem serem informados?
   • Eles são programados manualmente com uma lista das cores de cada objeto
   • Eles adivinham aleatoriamente cada vez
   • Eles leem metadados de cores armazenados em arquivos em tons de cinza
   • Eles aprendem dados estatísticos a partir de milhões de fotos coloridas convertidas em tons de cinza
5. Qual é o principal desafio ao colorir vídeos em vez de fotos únicas?
   • Manter as cores consistentes entre os quadros para evitar tremulação
   • Os vídeos não têm versão em escala de cinza
   • É impossível adicionar cor às imagens em movimento
   • Cada quadro deve ser de uma cor diferente
6. O que a colorização baseada em exemplares ou dicas permite que um usuário faça?
   • Converta imagens coloridas apenas em tons de cinza
   • Guie a saída usando imagens de referência ou dicas de cores clicadas
   • Desative totalmente a rede neural
   • Traduzir a imagem para outro idioma
7. In the CIE Lab setup described in the guide, which channels does the network predict?
   • The L lightness channel only
   • RGB red and green but not blue
   • The a and b chrominance channels
   • The image’s camera pose
8. Why can direct regression toward an average color produce dull colorization?
   • The model is forced to output only black
   • Regression removes the lightness channel
   • The network cannot use training examples
   • Several plausible colors for a gray pixel may average to a muted, less likely color