引导式测验 · 中等 等级

图像着色测验

检查为什么着色不明确、实验室输入/输出通道、颜色箱的分类以及学习的图像先验。

相关引导路径图像着色
问题 1 的 8

为什么图像着色被认为是“不适定”问题？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 为什么图像着色被认为是“不适定”问题？
    • 单个灰度值可以对应多种不同的真实颜色
    • 灰度图像根本不包含任何可用信息
    • 彩色图像太大而无法处理
    • 相机无法再记录灰度
  2. 在流行的 Lab 色彩空间方法中，网络接收什么作为输入？
    • 完整的 RGB 图像
    • 仅 L（亮度）通道
    • 仅红色通道
    • 场景的深度图
  3. 为什么张等人。框架颜色预测作为颜色“箱”的分类而不是直接回归？
    • 因为分类是神经网络唯一能做的事情
    • 使图像变小
    • 避免将有效颜色平均化为暗淡、不饱和的结果
    • 消除对训练数据的需要
  4. 模型如何在没有被告知的情况下了解物体应该是什么颜色？
    • 它们是用每个对象的颜色列表手动编程的
    • 他们每次都是随机猜测
    • 他们读取存储在灰度文件中的颜色元数据
    • 他们从数百万张转换为灰度的彩色照片中学习统计先验
  5. 对视频而不是单张照片进行着色时的主要挑战是什么？
    • 保持各帧的颜色一致以避免闪烁
    • 视频没有灰度版本
    • 无法为动态图像添加颜色
    • 每个框架必须是不同的颜色
  6. 基于示例或基于提示的着色可以让用户做什么？
    • 仅将彩色图像转换回灰度图像
    • 使用参考图像或单击的颜色提示指导输出
    • 完全禁用神经网络
    • 将图像翻译成另一种语言
  7. In the CIE Lab setup described in the guide, which channels does the network predict?
    • The L lightness channel only
    • RGB red and green but not blue
    • The a and b chrominance channels
    • The image’s camera pose
  8. Why can direct regression toward an average color produce dull colorization?
    • The model is forced to output only black
    • Regression removes the lightness channel
    • The network cannot use training examples
    • Several plausible colors for a gray pixel may average to a muted, less likely color