Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya ESRGAN na GAN Super-Resolution

Soma muundo wa kuongeza picha wa ESRGAN, biashara yake ya uhalisia wa utambuzi, na mipaka ya maelezo yake yaliyotolewa.

Njia za mwongozo zinazohusianaAzimio Kuu la Esrgan na GAN
Swali 1 ya 8

Je, 'GAN' katika ESRGAN inarejelea nini?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Je, 'GAN' katika ESRGAN inarejelea nini?
    • Mtandao wa Waadui wa Kuzalisha
    • Mtandao wa Mkusanyiko wa Gradient
    • Njia ya Kukadiria ya Gaussian
    • Global Attention Network
  2. Jenereta ya ESRGAN hutumia jengo gani kimsingi?
    • Seli za Kumbukumbu za Muda Mrefu
    • Vitalu Vilivyosalia-katika-Mabaki (RRDB)
    • Tabaka za uelekezaji wa capsule
    • Vizuizi vya kujiangalia kwa transfoma
  3. Kwa nini waandishi wa ESRGAN waliondoa urekebishaji wa kundi kutoka kwa jenereta?
    • Ilipunguza mafunzo sana
    • Iliongeza kumbukumbu zaidi ya mipaka
    • Ilielekea kuanzisha mabaki ya kuona
    • Ilikuwa haioani na GAN
  4. Je, ni biashara gani kuu ya ESRGAN hufanya ikilinganishwa na mbinu za kupoteza-pixel pekee?
    • Kasi juu ya usahihi
    • Usahihi wa rangi juu ya azimio
    • Kumbukumbu ya chini juu ya azimio la juu
    • Uhalisia wa kiakili juu ya uaminifu kamili wa pikseli
  5. Je, upotevu wa mtazamo wa ESRGAN (VGG) unapimwa wapi?
    • Kwenye vipengele kabla ya kuwezesha
    • Kwenye saizi mbichi za RGB pekee
    • Kwenye alama ya mwisho ya kibaguzi
    • Kwenye pembejeo zilizobadilishwa na Fourier
  6. Je, kibaguzi wa ESRGAN alianzisha ubunifu gani?
    • Kisimbaji kiotomatiki cha kubadilisha tu
    • Mbaguzi wa uhusiano akilinganisha uhalisia halisi dhidi ya bandia
    • Mfano wa zawadi ya uimarishaji wa kujifunza
    • Kiainishi kilichofunzwa mapema
  7. Which competition did the ESRGAN paper report winning?
    • The ImageNet classification challenge
    • The Vesuvius Challenge
    • The PIRM 2018 perceptual super-resolution challenge
    • The COCO image-captioning challenge
  8. Why should generated detail from ESRGAN not be treated as recovered photographic evidence?
    • The model records the original sensor data exactly
    • GANs can only enlarge images without changing pixels
    • The output is guaranteed to match the lost high-resolution image
    • The model can synthesize plausible textures that were not present in the low-resolution input