Викторина, связанная с руководством · Средний Уровень
Викторина по восстановлению лица GFPGAN
Просмотрите предварительно подготовленное лицо GFPGAN, смешивание элементов, однопроходное восстановление и пределы точности реконструированных деталей.
Вопрос 1 из 8
Какая предварительно обученная модель обеспечивает «генеративный априорный анализ лица» GFPGAN?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Какая предварительно обученная модель обеспечивает «генеративный априорный анализ лица» GFPGAN?
- СтильGAN2
- БЕРТ
- РесНет-50
- Шепот
- What is the role of GFPGAN’s CS-SFT layers?
- They compress the image file
- They blend prior features with input-specific information to balance realism and fidelity
- They translate captions
- They detect objects in the background
- What does the GFPGAN paper report about inference?
- It needs exactly 50 optimization passes
- It performs one pass per image pixel
- It restores facial details in a single forward pass
- It iterates until the input becomes a perfect photograph
- Какая сопутствующая модель часто используется в сочетании с GFPGAN для обработки фона?
- GPT-4
- ЙОЛО
- Стабильная диффузия XL
- Реал-ESRGAN
- Чего НЕ требует GPGAN во время обучения?
- Парные качественные фотографии одного и того же конкретного человека
- Состязательный проигрыш
- Предварительно подготовленное лицо
- Потеря восприятия
- Какова ключевая этическая проблема при восстановлении в стиле GFPGAN?
- Он потребляет слишком мало электроэнергии
- Он может придумать правдоподобные детали лица, которых не было в оригинале.
- Это работает только с мультфильмами.
- Он автоматически удаляет исходный файл
- What is the full name of GFPGAN’s CS-SFT component?
- Color-Space Semantic Face Tracking
- Convolutional Style-Filter Training
- Channel-Split Spatial Feature Transform
- Channel-Specific Super-Resolution Fourier Transform
- In blind face restoration, what does “blind” mean?
- The face is hidden behind an object
- The system only processes black-and-white images
- The model never sees an input image
- The exact degradation process is not known in advance