Questionário vinculado ao guia · Médio Nível
Questionário de síntese de imagem semântica SPADE
Teste como o SPADE mantém as informações de layout semântico ativas em um gerador de imagens e permite uma síntese editável e condicionada por rótulos.
Pergunta 1 de 8
Qual entrada o SPADE usa para gerar uma imagem?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Qual entrada o SPADE usa para gerar uma imagem?
- Um mapa de segmentação semântica rotulando cada região
- Uma descrição falada
- Uma única foto de exemplo
- Uma nuvem de pontos 3D
- Que problema com a normalização anterior o SPADE corrigiu?
- Tornou as imagens muito coloridas
- Camadas de normalização eliminaram as informações de layout
- Usou muito pouca memória
- Não conseguia lidar com imagens coloridas
- No SPADE, a escala de normalização e os parâmetros de deslocamento são:
- Ruído aleatório
- Valores únicos compartilhados por toda a imagem
- Tensores que variam espacialmente calculados a partir da máscara de segmentação
- Constantes fixas
- Qual famoso aplicativo interativo foi desenvolvido em SPADE?
- Photoshop
- Google Traduzir
- Midjourney v1
- GauGAN (Tela NVIDIA)
- O que significa 'SP' em SPADE?
- Espacialmente Adaptável
- SuperPixel
- Agrupamento Espectral
- Projeção esparsa
- Um benefício prático do layout controlável do SPADE é:
- 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
- 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
- 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