Викторина, связанная с руководством · Средний Уровень

Real-ESRGAN Практическая викторина по реставрации

Узнайте, как Real-ESRGAN имитирует деградацию реального изображения и устраняет шум, сжатие и ограничения памяти во время восстановления.

Связанные направляющие путиНастоящая Практическая Реставрация Эсргана
Вопрос 1 из 8

Какой ключевой недостаток оригинального ESRGAN был устранен в Real-ESRGAN?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какой ключевой недостаток оригинального ESRGAN был устранен в Real-ESRGAN?
    • Он обучался только чистому бикубическому даунскейлингу.
    • Это работало только с изображениями в оттенках серого.
    • Он не мог работать на графических процессорах
    • Требовалось парное настоящее фото
  2. Что такое модель «деградации высокого порядка» Real-ESRGAN?
    • Генератор более высокого разрешения
    • Цепочка нескольких случайных ухудшений, применяемых последовательно.
    • Новый механизм внимания
    • Более крупный дискриминатор
  3. Какую архитектуру дискриминатора использует Real-ESRGAN?
    • Единый линейный классификатор
    • Рекуррентная сеть
    • U-Net со спектральной нормализацией
    • Замороженный VGG
  4. Какие артефакты воспроизводят фильтры sinc в Real-ESRGAN?
    • Цветовая полоса
    • Блик объектива
    • Хроматическая аберрация
    • Звон и перерегулирование
  5. Какую магистраль генератор Real-ESRGAN сохраняет от ESRGAN?
    • Блоки RRDB
    • Трансформаторный энкодер
    • Диффузионная U-Net
    • Стек LSTM
  6. In GFPGAN’s documented inference command, which background upsampler is set by default?
    • Реал-ESRGAN
    • ESRGAN only
    • A fixed bicubic resize
    • No background upsampler is supported
  7. What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
    • Only medical CT scans
    • Only satellite photographs
    • Anime illustrations
    • Only grayscale handwritten documents
  8. Why can tiled inference help when restoring a very large image?
    • It guarantees that every tile contains the same details
    • It replaces super-resolution with image compression
    • It prevents the model from seeing any neighboring pixels
    • It processes smaller patches to reduce peak memory use