ESRGAN اور GAN سپر ریزولوشن کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. ESRGAN میں 'GAN' سے کیا مراد ہے؟
   • جنریٹو ایڈورسریل نیٹ ورک
   • تدریجی جمع نیٹ ورک
   • Gaussian Approximation Node
   • عالمی توجہ کا نیٹ ورک
2. ESRGAN جنریٹر بنیادی طور پر کون سا بلڈنگ بلاک استعمال کرتا ہے؟
   • طویل قلیل مدتی میموری سیل
   • بقایا میں بقایا گھنے بلاکس (RRDB)
   • کیپسول روٹنگ پرتیں۔
   • ٹرانسفارمر خود توجہ کے بلاکس
3. ESRGAN کے مصنفین نے بیچ نارملائزیشن کو جنریٹر سے کیوں ہٹایا؟
   • اس نے تربیت کو بہت سست کر دیا۔
   • اس نے یادداشت کو حد سے زیادہ بڑھا دیا۔
   • اس میں بصری نمونے متعارف کرانے کا رجحان تھا۔
   • یہ GANs کے ساتھ مطابقت نہیں رکھتا تھا۔
4. صرف پکسل نقصان کے طریقوں کے مقابلے میں ESRGAN کی اہم تجارت کیا ہے؟
   • درستگی سے زیادہ رفتار
   • ریزولوشن سے زیادہ رنگ کی درستگی
   • اعلی ریزولوشن پر کم میموری
   • عین مطابق پکسل کی مخلصی پر ادراک کی حقیقت پسندی۔
5. ESRGAN کا ادراک (VGG) نقصان کہاں ماپا جاتا ہے؟
   • ایکٹیویشن سے پہلے فیچرز پر
   • صرف خام RGB پکسلز پر
   • امتیاز کرنے والے کے آخری اسکور پر
   • فوئیر سے تبدیل شدہ ان پٹس پر
6. ESRGAN کے امتیازی شخص نے کون سی اختراع متعارف کرائی؟
   • ایک خالصتاً convolutional autoencoder
   • حقیقی بمقابلہ جعلی حقیقت پسندی کا موازنہ کرنے والا ایک رشتہ دار تفریق کرنے والا
   • ایک کمک سیکھنے کے انعام کا ماڈل
   • ایک منجمد پہلے سے تربیت یافتہ درجہ بندی کرنے والا
7. Which competition did the ESRGAN paper report winning?
   • The ImageNet classification challenge
   • The Vesuvius Challenge
   • The PIRM 2018 perceptual super-resolution challenge
   • The COCO image-captioning challenge
8. Why should generated detail from ESRGAN not be treated as recovered photographic evidence?
   • The model records the original sensor data exactly
   • GANs can only enlarge images without changing pixels
   • The output is guaranteed to match the lost high-resolution image
   • The model can synthesize plausible textures that were not present in the low-resolution input