Вікторина, пов’язана з посібником · Середній Рівень

Тест із супер-роздільністю зображення

Зрозумійте, як суперроздільна здатність оцінює зображення з вищою роздільною здатністю та чому правдоподібні деталі можуть бути неоднозначними або вигаданими.

Пов'язані напрямні шляхиСупер роздільна здатність зображення
Питання 1 з 8

Чому надроздільну здатність одного зображення називають «неправильно поставленою» проблемою?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Чому надроздільну здатність одного зображення називають «неправильно поставленою» проблемою?
    • Багато різних зображень із високою роздільною здатністю можуть створювати однакові вхідні дані з низькою роздільною здатністю
    • Вхідні зображення завжди пошкоджені, що неможливо відновити
    • Математика взагалі не має рішення
    • Він вимагає більше пам’яті, ніж будь-який графічний процесор
  2. Який загальний недолік навчання мереж із надвисокою роздільною здатністю лише з втратою MSE по пікселях?
    • Виходи стають надто різкими та шумними
    • Результати виглядають розмитими та надмірно згладженими
    • Модель відмовляється збільшувати зображення
    • Він може обробляти лише сірі зображення
  3. Що додає модель ESRGAN на основі GAN для покращення сприйнятої різкості?
    • Більші бікубічні ядра інтерполяції
    • Фільтр підвищення різкості країв на основі правил
    • Дискримінатор і втрата простору ознак сприйняття
    • Лише інші епохи навчання
  4. Чому до вихідних даних із високою роздільною здатністю слід обережно ставитися в судово-медичних установах?
    • Вони завжди нижчої якості, ніж вхідні
    • Їх неможливо зберегти в стандартних форматах
    • Щоразу вони подвоюють розмір файлу
    • Модель вигадує правдоподібні деталі, які можуть не бути справжнім змістом
  5. Як суперроздільна здатність на основі дифузії (наприклад, SR3) створює деталі?
    • Шляхом ітеративного уточнення шуму в деталях за багато кроків
    • Шляхом копіювання пікселів із бази даних стокових фотографій
    • Застосовуючи одну згортку різкості
    • Шляхом стиснення зображення за допомогою JPEG
  6. На яку проблему конкретно націлений Real-ESRGAN порівняно з попередніми моделями SR?
    • Масштабування тільки мультфільмів
    • Обробка брудних реальних погіршень, таких як шум і стиснення
    • Навмисне зменшення роздільної здатності зображення
    • Перетворення зображень у векторну графіку
  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