Pix2Pix امیج ٹو امیج ٹرانسلیشن کوئز

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

1. Pix2Pix کو کس قسم کے تربیتی ڈیٹا کی ضرورت ہے؟
   • جوڑا ان پٹ آؤٹ پٹ تصویر کی مثالیں۔
   • بالکل بھی کوئی ڈیٹا نہیں۔
   • صرف ٹیکسٹ کیپشنز
   • آڈیو ریکارڈنگ
2. Pix2Pix کون سا جنریٹر فن تعمیر استعمال کرتا ہے؟
   • ایک سادہ مکمل طور پر منسلک نیٹ ورک
   • سکیپ کنکشن کے ساتھ یو نیٹ
   • ایک بار بار چلنے والا نیٹ ورک
   • فیصلہ کن درخت
3. Pix2Pix میں PatchGAN امتیاز کنندہ کس چیز کا اندازہ کرتا ہے؟
   • ایک عالمی اسکور کے طور پر پوری تصویر
   • تصویر کی فائل کا سائز
   • چھوٹے مقامی تصویری پیچ کی حقیقت پسندی۔
   • تربیت کا وقت
4. Pix2Pix مخالف نقصان کے ساتھ L1 نقصان کیوں شامل کرتا ہے؟
   • جان بوجھ کر تربیت کو سست کرنا
   • امتیازی سلوک کو دور کرنے کے لیے
   • بے ترتیب شور پیدا کرنے کے لیے
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. خاص طور پر ترجمے کے کاموں کے لیے U-Net Skip کنکشن کیوں مددگار ہیں؟
   • وہ مشترکہ ڈھانچہ جیسے کناروں کو براہ راست پورے نیٹ ورک میں منتقل کرتے ہیں۔
   • وہ غیر ضروری پرتوں کو حذف کرتے ہیں۔
   • وہ تصاویر کو متن میں تبدیل کرتے ہیں۔
   • وہ ڈیٹاسیٹ کا سائز کم کرتے ہیں۔
6. جوڑا نہ بنائے گئے تصویری مجموعوں سے سیکھنے کے لیے کس ماڈل نے Pix2Pix کو بڑھایا؟
   • ریس نیٹ
   • سائیکل GAN
   • بی آر ٹی
   • 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