Pix2Pix Resimden Resme Çeviri Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Pix2Pix ne tür eğitim verilerine ihtiyaç duyuyor?
   • Eşleştirilmiş giriş-çıkış görüntüsü örnekleri
   • Hiç veri yok
   • Yalnızca metin altyazıları
   • Ses kayıtları
2. Pix2Pix hangi jeneratör mimarisini kullanıyor?
   • Tamamen bağlı, sade bir ağ
   • Atlama bağlantıları olan bir U-Net
   • Tekrarlanan bir ağ
   • Bir karar ağacı
3. Pix2Pix'teki PatchGAN ayırıcısı neyi değerlendiriyor?
   • Resmin tamamı tek bir global puan olarak
   • Resim dosyası boyutu
   • Küçük yerel görüntü yamalarının gerçekçiliği
   • Eğitim zamanı
4. Pix2Pix neden rakip kaybın yanına L1 kaybını da ekliyor?
   • Antrenmanı bilerek yavaşlatmak
   • Ayrımcıyı ortadan kaldırmak için
   • Rastgele gürültü oluşturmak için
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. U-Net atlama bağlantıları neden özellikle çeviri görevleri için faydalıdır?
   • Kenarlar gibi paylaşılan yapıyı doğrudan ağ üzerinden geçirirler
   • Gereksiz katmanları silerler
   • Görüntüleri metne dönüştürüyorlar
   • Veri kümesi boyutunu küçültürler
6. Hangi model Pix2Pix'i eşleştirilmemiş görüntü koleksiyonlarından bilgi alacak şekilde genişletti?
   • ResNet
   • DöngüGAN
   • BERT
   • Word2Vec
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