Test de colorare a imaginilor

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. De ce este considerată colorarea imaginii o problemă „prost pusă”?
   • O singură valoare în tonuri de gri poate corespunde multor culori reale diferite
   • Imaginile în tonuri de gri nu conțin deloc informații utilizabile
   • Imaginile color sunt prea mari pentru a fi procesate
   • Camerele nu mai pot înregistra în tonuri de gri
2. În abordarea populară a spațiului de culoare Lab, ce primește rețeaua ca intrare?
   • Imaginea RGB completă
   • Doar canalul L (luminozitate).
   • Doar canalul roșu
   • O hartă de profunzime a scenei
3. De ce Zhang și colab. predicția culorii cadrului ca clasificare peste „binăți” de culoare, mai degrabă decât regresie directă?
   • Pentru că clasificarea este singurul lucru pe care îl pot face rețelele neuronale
   • Pentru a face imaginile mai mici
   • Pentru a evita media culorilor valide în rezultate plictisitoare, desaturate
   • Pentru a elimina nevoia de date de antrenament
4. Cum învață modelele ce culori ar trebui să aibă obiectele fără să li se spună?
   • Ele sunt programate manual cu o listă a culorilor fiecărui obiect
   • Ei ghicesc la întâmplare de fiecare dată
   • Ei citesc metadatele de culoare stocate în fișiere în tonuri de gri
   • Ei învață antecedente statistice din milioane de fotografii color convertite în tonuri de gri
5. Care este o provocare cheie atunci când colorați videoclipuri mai degrabă decât fotografii individuale?
   • Păstrarea culorilor consistente între cadre pentru a evita pâlpâirea
   • Videoclipurile nu au o versiune în tonuri de gri
   • Culoarea este imposibil de adăugat imaginilor în mișcare
   • Fiecare cadru trebuie să aibă o culoare diferită
6. Ce îi lasă utilizatorului să facă colorarea bazată pe exemple sau bazată pe indicii?
   • Convertiți imaginile color înapoi numai în tonuri de gri
   • Ghidați rezultatul folosind imagini de referință sau indicii de culoare pe care ați făcut clic
   • Dezactivați complet rețeaua neuronală
   • Traduceți imaginea într-o altă limbă
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