Maswali ya Kuweka Rangi kwa Picha

Majibu na maelezo huonekana unapojibu maswali.

1. Kwa nini uwekaji rangi wa picha unachukuliwa kuwa shida 'iliyowekwa vibaya'?
   • Thamani moja ya kijivu inaweza kuendana na rangi nyingi tofauti
   • Picha za kijivu hazina habari inayoweza kutumika hata kidogo
   • Picha za rangi ni kubwa sana kusindika
   • Kamera haziwezi kurekodi rangi ya kijivu tena
2. Katika mbinu maarufu ya nafasi ya rangi ya Maabara, mtandao unapokea nini kama pembejeo?
   • Picha kamili ya RGB
   • Chaneli ya L (nyepesi) pekee
   • Chaneli nyekundu pekee
   • Ramani ya kina ya eneo la tukio
3. Kwa nini Zhang et al. utabiri wa rangi ya sura kama uainishaji juu ya 'mapipa' ya rangi badala ya rejista ya moja kwa moja?
   • Kwa sababu uainishaji ndio kitu pekee ambacho mitandao ya neural inaweza kufanya
   • Ili kufanya picha kuwa ndogo
   • Ili kuzuia wastani wa rangi halali kuwa matokeo mepesi, yaliyokauka
   • Ili kuondoa hitaji la data ya mafunzo
4. Je! mifano hujifunza vipi vitu vya rangi vinapaswa kuwa bila kuambiwa?
   • Zimepangwa kwa mikono na orodha ya rangi ya kila kitu
   • Wanakisia nasibu kila wakati
   • Wanasoma metadata ya rangi iliyohifadhiwa katika faili za grayscale
   • Wanajifunza mambo ya msingi ya takwimu kutoka kwa mamilioni ya picha za rangi zilizobadilishwa kuwa kijivu
5. Ni changamoto gani kuu unapopaka rangi video badala ya picha moja?
   • Huweka rangi sawa kwenye fremu ili kuepuka kumeta
   • Video hazina toleo la kijivu
   • Rangi haiwezekani kuongeza kwenye picha zinazohamia
   • Kila sura lazima iwe na rangi tofauti
6. Je, uwekaji rangi kulingana na kielelezo au kidokezo huruhusu mtumiaji kufanya nini?
   • Badilisha picha za rangi ziwe za kijivu pekee
   • Elekeza matokeo kwa kutumia picha za marejeleo au vidokezo vya rangi vilivyobofya
   • Zima mtandao wa neva kabisa
   • Tafsiri picha katika lugha nyingine
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