Maswali ya Tafsiri ya Picha kwa Picha ya Pix2Pix

Majibu na maelezo huonekana unapojibu maswali.

1. Je, Pix2Pix inahitaji aina gani ya data ya mafunzo?
   • Mifano ya picha ya pato-iliyooanishwa
   • Hakuna data kabisa
   • Manukuu ya maandishi pekee
   • Rekodi za sauti
2. Je, Pix2Pix hutumia usanifu gani wa jenereta?
   • Mtandao wazi uliounganishwa kikamilifu
   • U-Net yenye miunganisho ya kurukaruka
   • Mtandao unaorudiwa
   • Mti wa maamuzi
3. Je, kibaguzi wa PatchGAN katika Pix2Pix anatathmini nini?
   • Picha nzima kama alama moja ya kimataifa
   • Saizi ya faili ya picha
   • Uhalisia wa viraka vidogo vya picha za ndani
   • Muda wa mafunzo
4. Kwa nini Pix2Pix inaongeza upotezaji wa L1 kando ya upotezaji wa adui?
   • Ili kupunguza kasi ya mafunzo kwa makusudi
   • Kuondoa mbaguzi
   • Ili kutoa kelele bila mpangilio
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. Kwa nini miunganisho ya ruka ya U-Net inasaidia haswa kwa kazi za utafsiri?
   • Wanapitisha muundo ulioshirikiwa kama kingo moja kwa moja kwenye mtandao
   • Wanafuta tabaka zisizo za lazima
   • Wanabadilisha picha kuwa maandishi
   • Wanapunguza saizi ya seti ya data
6. Ni muundo gani uliopanua Pix2Pix ili kujifunza kutoka kwa mkusanyiko wa picha ambao haujaoanishwa?
   • ResNet
   • CycleGAN
   • BERT
   • Neno2Vec
7. Why can a PatchGAN discriminator encourage sharper local image texture?
   • It predicts the input labels directly
   • It replaces the generator’s U-Net
   • It judges realism in small image patches rather than only scoring the whole image
   • It computes only global color histograms
8. In Pix2Pix, which part of the objective most directly anchors an output to its paired target image?
   • The learning-rate warmup
   • The GAN’s random seed
   • The PatchGAN receptive-field count
   • The L1 pixel-difference loss