Görüntü Renklendirme Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Görüntü renklendirmesi neden 'yanlış konumlanmış' bir sorun olarak değerlendiriliyor?
   • Tek bir gri tonlama değeri birçok farklı gerçek renge karşılık gelebilir
   • Gri tonlamalı görüntüler hiçbir şekilde kullanılabilir bilgi içermiyor
   • Renkli resimler işlenemeyecek kadar büyük
   • Kameralar artık gri tonlamalı kayıt yapamıyor
2. Popüler Lab renk alanı yaklaşımında ağ, girdi olarak ne alır?
   • Tam RGB görüntüsü
   • Yalnızca L (hafiflik) kanalı
   • Sadece kırmızı kanal
   • Olay yerinin derinlik haritası
3. Neden Zhang ve ark. doğrudan regresyon yerine renk 'kutuları' üzerinden sınıflandırma olarak çerçeve rengi tahmini?
   • Çünkü sınıflandırma sinir ağlarının yapabileceği tek şeydir
   • Resimleri küçültmek için
   • Geçerli renklerin ortalamasının donuk, doygunluğu giderilmiş sonuçlara dönüştürülmesini önlemek için
   • Eğitim verilerine olan ihtiyacı ortadan kaldırmak için
4. Modeller nesnelerin hangi renk olması gerektiğini söylenmeden nasıl öğreniyor?
   • Her nesnenin renginin bir listesiyle manuel olarak programlanırlar
   • Her seferinde rastgele tahmin ediyorlar
   • Gri tonlamalı dosyalarda saklanan renk meta verilerini okurlar
   • Gri tonlamaya dönüştürülmüş milyonlarca renkli fotoğraftan istatistiksel öncelikleri öğreniyorlar
5. Tek fotoğraf yerine videoyu renklendirirken karşılaştığınız en önemli zorluk nedir?
   • Titremeyi önlemek için renkleri çerçeveler arasında tutarlı tutma
   • Videoların gri tonlamalı sürümü yok
   • Hareketli görüntülere renk eklemek imkansızdır
   • Her çerçeve farklı renkte olmalıdır
6. Örnek tabanlı veya ipucu tabanlı renklendirme, kullanıcının ne yapmasına olanak tanır?
   • Renkli görüntüleri yalnızca gri tonlamaya dönüştürün
   • Referans görselleri veya tıklatılan renk ipuçlarını kullanarak çıktıyı yönlendirin
   • Sinir ağını tamamen devre dışı bırakın
   • Resmi başka bir dile çevirin
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