引導式測驗 · 中等 等級

ESRGAN 和 GAN 超解析度測驗

研究 ESRGAN 的對抗性影像升級設計、其感知現實主義權衡及其生成細節的限制。

問題 1 的 8

ESRGAN 中的「GAN」指的是什麼?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. ESRGAN 中的「GAN」指的是什麼?
    • 生成對抗網絡
    • 梯度累積網絡
    • 高斯近似節點
    • 全球關注網絡
  2. ESRGAN 生成器主要使用什麼建構塊?
    • 長短期記憶細胞
    • 殘差密集塊 (RRDB)
    • 膠囊路由層
    • Transformer 自註意力塊
  3. 為什麼 ESRGAN 的作者從生成器中刪除了批量歸一化?
    • 它使訓練速度減慢太多
    • 它增加了超越極限的記憶力
    • 它往往會引入視覺偽影
    • 它與 GAN 不相容
  4. 與僅像素損失方法相比,ESRGAN 的主要權衡是什麼?
    • 速度高於精度
    • 色彩準確度高於分辨率
    • 較低的記憶體優於較高的分辨率
    • 感知真實感勝過精確的像素保真度
  5. ESRGAN 的感知 (VGG) 損失在哪裡測量?
    • 啟動前的功能
    • 僅在原始 RGB 像素上
    • 關於判別器的最終得分
    • 關於傅立葉變換輸入
  6. ESRGAN的判別器引入了哪些創新?
    • 純卷積自動編碼器
    • 比較真現實主義與假現實主義的相對論判別器
    • 強化學習獎勵模型
    • 凍結的預訓練分類器
  7. Which competition did the ESRGAN paper report winning?
    • The ImageNet classification challenge
    • The Vesuvius Challenge
    • The PIRM 2018 perceptual super-resolution challenge
    • The COCO image-captioning challenge
  8. Why should generated detail from ESRGAN not be treated as recovered photographic evidence?
    • The model records the original sensor data exactly
    • GANs can only enlarge images without changing pixels
    • The output is guaranteed to match the lost high-resolution image
    • The model can synthesize plausible textures that were not present in the low-resolution input