引导式测验 · 中等 等级

图像超分辨率测验

了解超分辨率如何估计更高分辨率的图像，以及为什么看似合理的细节可能是模糊的或捏造的。

相关引导路径图像超分辨率
问题 1 的 8

为什么单图像超分辨率被称为“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. 为什么单图像超分辨率被称为“不适定”问题？
    • 许多不同的高分辨率图像可以产生相同的低分辨率输入
    • 输入图像总是损坏且无法修复
    • 数学根本没有解
    • 它需要的内存比任何 GPU 都多
  2. 仅使用像素级 MSE 损失训练超分辨率网络的常见缺点是什么？
    • 输出变得过于尖锐和嘈杂
    • 输出看起来模糊且过度平滑
    • 模特拒绝放大图像
    • 只能处理灰度图像
  3. 基于 GAN 的模型 ESRGAN 添加了什么来提高感知锐度？
    • 更大的双三次插值内核
    • 基于规则的边缘锐化过滤器
    • 鉴别器和感知特征空间损失
    • 仅更多训练周期
  4. 为什么在法医或医疗环境中必须谨慎对待超分辨率输出？
    • 它们的质量总是低于输入的质量
    • 它们无法以标准格式保存
    • 他们每次都会将文件大小加倍
    • 该模型发明了可能不是真实内容的看似合理的细节
  5. 基于扩散的超分辨率（如 SR3）如何生成细节？
    • 通过多个步骤迭代地将噪声细化为细节
    • 通过从库存照片数据库复制像素
    • 通过应用单个锐化卷积
    • 通过使用 JPEG 压缩图像
  6. 与早期的 SR 模型相比，Real-ESRGAN 专门针对什么问题？
    • 仅放大卡通图像
    • 处理杂乱的现实世界退化，例如噪声和压缩
    • 故意降低图像分辨率
    • 将图像转换为矢量图形
  7. What does the sub-pixel convolution in ESPCN do?
    • It estimates optical flow between video frames
    • It classifies objects without upsampling
    • It rearranges feature channels into a higher-resolution image grid
    • It adds a text prompt to an image embedding
  8. What kind of image pairs did the RealSR dataset collect?
    • Only synthetic Gaussian-noise images
    • Text-only descriptions paired with audio
    • Unpaired medical scans from different patients
    • Real-world paired low- and high-resolution images captured with different cameras or zoom settings