Görüntü Süper Çözünürlük Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Tek görüntü süper çözünürlüğüne neden 'yanlış konumlu' sorun deniyor?
   • Birçok farklı yüksek çözünürlüklü görüntü aynı düşük çözünürlüklü girdiyi üretebilir
   • Giriş görüntüleri her zaman onarılamayacak kadar bozuk
   • Matematiğin hiçbir çözümü yok
   • Herhangi bir GPU'nun sahip olduğundan daha fazla bellek gerektirir
2. Süper çözünürlüklü ağları yalnızca piksel bazında MSE kaybıyla eğitmenin ortak dezavantajı nedir?
   • Çıkışlar aşırı keskin ve gürültülü hale geliyor
   • Çıktılar bulanık ve aşırı düzgün görünüyor
   • Model görüntüyü büyütmeyi reddediyor
   • Yalnızca gri tonlamalı görüntüleri işleyebilir
3. GAN tabanlı ESRGAN modeli algılanan keskinliği iyileştirmek için neler ekliyor?
   • Daha büyük bikübik enterpolasyon çekirdekleri
   • Kural tabanlı bir kenar keskinleştirme filtresi
   • Ayırıcı ve algısal özellik alanı kaybı
   • Yalnızca daha fazla eğitim dönemi
4. Süper çözünürlüklü çıktılara adli veya tıbbi ortamlarda neden dikkatli davranılmalıdır?
   • Her zaman girdiden daha düşük kalitededirler
   • Standart formatlarda kaydedilemezler
   • Her seferinde dosya boyutunu ikiye katlıyorlar
   • Model, gerçek içerik olmayabilecek makul ayrıntılar icat ediyor
5. Difüzyon tabanlı süper çözünürlük (SR3 gibi) nasıl ayrıntı üretir?
   • Birçok adımda gürültüyü tekrar tekrar ayrıntıya dönüştürerek
   • Stok fotoğraflardan oluşan bir veritabanından pikselleri kopyalayarak
   • Tek bir keskinleştirme evrişimi uygulayarak
   • Görüntüyü JPEG ile sıkıştırarak
6. Daha önceki SR modelleriyle karşılaştırıldığında Real-ESRGAN özellikle hangi sorunu hedef alıyor?
   • Yalnızca çizgi film görsellerinin ölçeklendirilmesi
   • Gürültü ve sıkıştırma gibi gerçek dünyadaki karmaşık bozulmalarla başa çıkma
   • Görüntü çözünürlüğünün bilerek düşürülmesi
   • Görüntüleri vektör grafiklerine dönüştürme
7. What does the sub-pixel convolution in ESPCN do?
   • It estimates optical flow between video frames
   • It classifies objects without upsampling
   • It rearranges feature channels into a higher-resolution image grid
   • It adds a text prompt to an image embedding
8. What kind of image pairs did the RealSR dataset collect?
   • Only synthetic Gaussian-noise images
   • Text-only descriptions paired with audio
   • Unpaired medical scans from different patients
   • Real-world paired low- and high-resolution images captured with different cameras or zoom settings