Bài kiểm tra dịch từ hình ảnh sang hình ảnh Pix2Pix

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Pix2Pix yêu cầu loại dữ liệu đào tạo nào?
   • Ví dụ về hình ảnh đầu vào-đầu ra được ghép nối
   • Không có dữ liệu nào cả
   • Chỉ có chú thích văn bản
   • Bản ghi âm
2. Pix2Pix sử dụng kiến trúc trình tạo nào?
   • Một mạng được kết nối đầy đủ đơn giản
   • U-Net bỏ qua kết nối
   • Mạng tái diễn
   • Cây quyết định
3. Trình phân biệt đối xử PatchGAN trong Pix2Pix đánh giá điều gì?
   • Toàn bộ hình ảnh là một điểm tổng thể
   • Kích thước tập tin hình ảnh
   • Tính hiện thực của các mảng hình ảnh cục bộ nhỏ
   • Thời gian đào tạo
4. Tại sao Pix2Pix lại thêm khoản lỗ L1 cùng với khoản lỗ đối nghịch?
   • Để làm chậm quá trình đào tạo có mục đích
   • Để loại bỏ sự phân biệt đối xử
   • Để tạo ra tiếng ồn ngẫu nhiên
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. Tại sao kết nối bỏ qua U-Net lại đặc biệt hữu ích cho các tác vụ dịch thuật?
   • Chúng truyền trực tiếp cấu trúc được chia sẻ giống như các cạnh trên mạng
   • Họ xóa các lớp không cần thiết
   • Họ chuyển đổi hình ảnh thành văn bản
   • Chúng giảm kích thước tập dữ liệu
6. Mô hình nào mở rộng Pix2Pix để học hỏi từ các bộ sưu tập hình ảnh chưa ghép nối?
   • ResNet
   • Chu kỳGAN
   • BERT
   • 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