گائیڈ سے منسلک کوئز · درمیانہ سطح

لاما ریزولوشن-مضبوط انپینٹنگ کوئز

جانیں کہ کس طرح لاما فوئیر کنوولوشنز، ہائی ریسپٹیو فیلڈ نقصانات، اور تصویر میں پینٹنگ کے لیے بڑے ماسک اور اس کی اطلاع شدہ حدود کو یکجا کرتا ہے۔

متعلقہ گائیڈ کے راستےلاما ریزولوشن مضبوط انپینٹنگ
سوال 1 کی 8

دستخطی آرکیٹیکچرل جزو کیا ہے جو لاما کو تصویر کے بارے میں اس کا عالمی نظریہ دیتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

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

  1. دستخطی آرکیٹیکچرل جزو کیا ہے جو لاما کو تصویر کے بارے میں اس کا عالمی نظریہ دیتا ہے؟
    • فاسٹ فوئیر کنولوشنز
    • ٹرانسفارمر خود توجہ کے بلاکس
    • بار بار آنے والی LSTM پرتیں۔
    • کیپسول نیٹ ورکس
  2. لاما بڑے ماسک کو پہلے کے بہت سے پینٹنگ ماڈلز سے بہتر کیوں ہینڈل کرتا ہے؟
    • یہ صرف چھوٹی تصاویر پر کام کرتا ہے۔
    • اس کا عالمی قابل قبول فیلڈ اسے بڑے سوراخوں میں ڈھانچہ جاری رکھنے دیتا ہے۔
    • یہ کناروں سے تصادفی طور پر پکسلز کاپی کرتا ہے۔
    • یہ ایک مقررہ سائز سے زیادہ ماسک بھرنے سے انکار کرتا ہے۔
  3. What resolution behavior did the LaMa paper report?
    • It only works at one exact training resolution
    • It works only below the training resolution
    • It generalized to some resolutions higher than those used during training in the evaluated settings
    • It accepts no image input
  4. لاما اپنی فریکوئنسی ڈومین پروسیسنگ کی بدولت کس قسم کی ساخت کو خاص طور پر اچھی طرح سے ہینڈل کرتا ہے؟
    • خالص بے ترتیب شور
    • صرف ٹھوس سنگل رنگ
    • متن کے حروف کو خصوصی طور پر
    • بار بار، متواتر ساخت جیسے اینٹ یا ٹائل
  5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
    • As a comparatively efficient convolutional inpainting method
    • As a much slower model that requires a data center
    • As a video-only model
    • As a tool that never needs an image
  6. کون سا نقصان لاما کو دھندلی اوسط کے بجائے حقیقت پسندانہ نظر آنے والی فلز پیدا کرنے میں مدد کرتا ہے؟
    • صرف ایک سادہ پکسل کا مطلب مربع غلطی کا نقصان
    • ادراکاتی نقصان کے ساتھ مل کر مخالفانہ نقصان
    • نقصان کا کوئی فنکشن بالکل نہیں۔
    • ایک نقصان جو صرف فائل کے سائز کی پیمائش کرتا ہے۔
  7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
    • تقریر کی پہچان کا نقصان
    • A bitrate-only loss
    • A perceptual loss with a high receptive field
    • A loss that ignores image structure
  8. Who introduced LaMa in the 2021 paper?
    • Jonathan Frankle and Michael Carbin
    • Cees Taal and colleagues
    • Timothy Dozat and Christopher Manning
    • Roman Suvorov and colleagues