Вікторина, пов’язана з посібником · Середній Рівень

Тест про втрату сприйняття та LPIPS

Ознайомтеся з порівнянням зображень на основі функцій, калібруванням LPIPS людиною, нормалізованими функціями, правилами введення та межами оцінки перцептивної відстані.

Пов'язані напрямні шляхиВтрата сприйняття та Lpips
Питання 1 з 8

Чому втрата L2 на основі пікселів часто неправильно оцінює схожість зображення порівняно з втратою сприйняття?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Чому втрата L2 на основі пікселів часто неправильно оцінює схожість зображення порівняно з втратою сприйняття?
    • Він штрафує за незначні зрушення та зміни текстури, які люди ледве помічають
    • Він працює надто повільно, щоб бути практичним
    • Він може лише порівнювати зображення у відтінках сірого
    • Для обчислень потрібна попередньо навчена мережа
  2. Що в основному LPIPS порівнює між двома зображеннями?
    • Необроблені значення пікселів RGB
    • Розміри файлів після стиснення
    • Активації з проміжних рівнів попередньо навченої мережі
    • Кольорові гістограми
  3. Як визначалися ваги кожного каналу в LPIPS?
    • За замовчуванням встановлено на всі одиниці
    • Відкалібрований відповідно до оцінок людського сприйняття про схожість
    • Ручне налаштування авторів
    • Отримано з таблиць стиснення JPEG
  4. What does a lower LPIPS value indicate for a tested image pair?
    • Proof that the two images have identical pixels
    • A guarantee that every human will prefer the lower-scoring image
    • A measurement of the images' compressed file size
    • A smaller distance under the chosen learned perceptual metric
  5. Яка магістральна мережа найчастіше асоціюється з класичною втратою сприйняття (функцій)?
    • ResNet-152
    • YOLO
    • VGG
    • U-Net
  6. Яке завдання має найбільші переваги від використання втрати сприйняття замість чистого L2?
    • Фотореалістична суперроздільна здатність
    • Підрахунок пікселів на зображенні
    • Читання метаданих EXIF
    • Сортування зображень за назвою файлу
  7. What image-input convention does the official LPIPS Python example specify?
    • Raw compressed JPEG bytes used directly as feature maps
    • Only filename strings with no decoded image data
    • A single grayscale class label for each image
    • RGB tensors with image values scaled to the range minus one to plus one
  8. Which differences receive learned per-channel weighting inside LPIPS?
    • Differences between the images' filename lengths
    • Squared differences between normalized deep feature representations
    • Only differences between JPEG quality settings
    • Only the number of object class labels predicted