Questionário de restauração do transformador SwinIR

As respostas e explicações aparecem conforme você responde ao teste.

1. Em qual arquitetura de transformador o SwinIR se baseia?
   • O Transformador Swin
   • Somente Transformador de Visão (ViT)
   • BERTO
   • GPT
2. Qual é o mecanismo de atenção central no SwinIR?
   • Atenção global em todos os pixels
   • Autoatenção baseada em janela alterada
   • Atenção entre imagens
   • Sem atenção, apenas convolução
3. Como são chamados os blocos de recursos profundos do SwinIR?
   • Blocos de Convolução Densos
   • Blocos Residuais Invertidos
   • Blocos transformadores Swin residuais (RSTB)
   • Blocos de cápsula
4. Por que a atenção baseada em janelas é mais eficiente aqui do que a atenção global?
   • Ele usa menos canais de cores
   • Ele pula a etapa de reconstrução
   • Ele processa apenas bordas
   • Seu custo cresce linearmente com a área da imagem em vez de quadraticamente
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. Que vantagem de eficiência o SwinIR demonstrou sobre os concorrentes da CNN?
   • Não precisava de dados de treinamento
   • Alcançou resultados de última geração com muito menos parâmetros
   • Funcionou sem nenhuma convolução
   • Eliminou a necessidade de GPUs
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?
   • Reconhecimento de fala
   • Tradução automática
   • Protein sequence design
   • JPEG compression-artifact reduction