ESRGAN ve GAN Süper Çözünürlük Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. ESRGAN'daki 'GAN' neyi ifade ediyor?
   • Üretken Rekabet Ağı
   • Gradyan Biriktirme Ağı
   • Gauss Yaklaşımı Düğümü
   • Küresel Dikkat Ağı
2. ESRGAN jeneratörü öncelikli olarak hangi yapı taşını kullanıyor?
   • Uzun Kısa Süreli Bellek hücreleri
   • Artık Yoğun Bloklar (RRDB)
   • Kapsül yönlendirme katmanları
   • Transformatör öz-dikkat blokları
3. ESRGAN'ın yazarları toplu normalleştirmeyi neden jeneratörden kaldırdı?
   • Eğitimi çok yavaşlattı
   • Belleği sınırların ötesine taşıdı
   • Görsel eserler tanıtma eğilimindeydi
   • GAN'larla uyumlu değildi
4. Yalnızca piksel kaybı yöntemleriyle karşılaştırıldığında ESRGAN'ın sağladığı temel ödünleşim nedir?
   • Doğruluğun ötesinde hız
   • Çözünürlük üzerinden renk doğruluğu
   • Daha yüksek çözünürlükte daha düşük bellek
   • Tam piksel doğruluğu yerine algısal gerçekçilik
5. ESRGAN'ın algısal (VGG) kaybı nerede ölçülür?
   • Etkinleştirmeden önceki özelliklerde
   • Yalnızca ham RGB piksellerinde
   • Ayrımcının nihai puanı hakkında
   • Fourier ile dönüştürülmüş girişlerde
6. ESRGAN'ın ayrıştırıcısı hangi yeniliği getirdi?
   • Tamamen evrişimsel bir otomatik kodlayıcı
   • Gerçek ve sahte gerçekçiliği karşılaştıran göreli bir ayrımcı
   • Takviyeli öğrenme ödül modeli
   • Dondurulmuş, önceden eğitilmiş bir sınıflandırıcı
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