引导式测验 · 中等 等级

Real-ESRGAN 实用修复测验

了解 Real-ESRGAN 如何模拟真实世界的图像退化并在恢复过程中处理噪声、压缩和内存限制。

相关引导路径真正的 Esrgan 实用修复
问题 1 的 8

Real-ESRGAN 解决了​​原始 ESRGAN 的哪些关键弱点？

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. Real-ESRGAN 解决了​​原始 ESRGAN 的哪些关键弱点？
    • 它仅接受过干净双三次降尺度训练
    • 它仅适用于灰度图像
    • 它无法在 GPU 上运行
    • 需要配对真实照片
  2. Real-ESRGAN 的“高阶退化”模型是什么？
    • 更高分辨率的发生器
    • 按顺序应用的一系列随机降级
    • 新的注意力机制
    • 更大的判别器
  3. Real-ESRGAN 使用什么鉴别器架构？
    • 单个线性分类器
    • 循环网络
    • 具有谱归一化功能的 U-Net
    • 冷冻的 VGG
  4. Real-ESRGAN 中的“sinc”滤波器会再现哪些伪像？
    • 色带
    • 镜头光晕
    • 色差
    • 振铃和过冲
  5. Real-ESRGAN 生成器保留了 ESRGAN 的哪些支柱？
    • RRDB 块
    • 变压器编码器
    • 扩散 U 网
    • LSTM 堆栈
  6. In GFPGAN’s documented inference command, which background upsampler is set by default?
    • 真实ESRGAN
    • ESRGAN only
    • A fixed bicubic resize
    • No background upsampler is supported
  7. What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
    • Only medical CT scans
    • Only satellite photographs
    • Anime illustrations
    • Only grayscale handwritten documents
  8. Why can tiled inference help when restoring a very large image?
    • It guarantees that every tile contains the same details
    • It replaces super-resolution with image compression
    • It prevents the model from seeing any neighboring pixels
    • It processes smaller patches to reduce peak memory use