引導式測驗 · 中等 等級
影像著色測驗
檢查為什麼著色不明確、實驗室輸入/輸出通道、顏色箱的分類以及學習的圖像先驗。
問題 1 的 8
為什麼圖像著色被認為是“不適定”問題?
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。
- 為什麼圖像著色被認為是“不適定”問題?
- 單一灰階值可以對應多種不同的真實顏色
- 灰階影像根本不包含任何可用信息
- 彩色影像太大而無法處理
- 相機無法再記錄灰階
- 在流行的 Lab 色彩空間方法中,網路接收什麼作為輸入?
- 完整的 RGB 影像
- 僅 L(亮度)通道
- 僅紅色通道
- 場景的深度圖
- 為什麼張等人。框架顏色預測作為顏色“箱”的分類而不是直接回歸?
- 因為分類是神經網路唯一能做的事情
- 使圖像變小
- 避免將有效顏色平均化為暗淡、不飽和的結果
- 消除對訓練資料的需要
- 模型如何在沒有被告知的情況下了解物體應該是什麼顏色?
- 它們是用每個物件的顏色列表手動編程的
- 他們每次都是隨機猜測
- 他們讀取儲存在灰階文件中的色元數據
- 他們從數百萬張轉換為灰階的彩色照片中學習統計先驗
- 對影片而不是單張照片進行著色時的主要挑戰是什麼?
- 保持各幀的顏色一致以避免閃爍
- 影片沒有灰階版本
- 無法為動態影像添加顏色
- 每個框架必須是不同的顏色
- 基於範例或基於提示的著色可以讓使用者做什麼?
- 僅將彩色影像轉換回灰階影像
- 使用參考圖像或點擊的顏色提示指導輸出
- 完全禁用神經網絡
- 將圖像翻譯成另一種語言
- 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
- 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