引導式測驗 · 中等 等級
影像超解析度測驗
了解超解析度如何估計更高解析度的影像,以及為什麼看似合理的細節可能是模糊的或捏造的。
問題 1 的 8
為什麼單一影像超解析度被稱為「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。
- 為什麼單一影像超解析度被稱為「不適定」問題?
- 許多不同的高解析度影像可以產生相同的低解析度輸入
- 輸入影像總是損壞且無法修復
- 數學根本沒有解
- 它需要的記憶體比任何 GPU 都多
- 僅使用像素級 MSE 損失訓練超解析度網路的常見缺點是什麼?
- 輸出變得過於尖銳和嘈雜
- 輸出看起來模糊且過度平滑
- 模特兒拒絕放大影像
- 只能處理灰階影像
- 基於 GAN 的模型 ESRGAN 增加了什麼來提高感知銳利度?
- 更大的雙三次插值內核
- 基於規則的邊緣銳化濾鏡
- 鑑別器和感知特徵空間損失
- 僅更多訓練週期
- 為什麼在法醫或醫療環境中必須謹慎對待超解析度輸出?
- 它們的質量總是低於輸入的質量
- 它們無法以標準格式保存
- 他們每次都會將文件大小加倍
- 該模型發明了可能不是真實內容的看似合理的細節
- 基於擴散的超解析度(如 SR3)如何產生細節?
- 透過多個步驟迭代地將雜訊細化為細節
- 透過從庫存照片資料庫複製像素
- 透過應用單一銳化卷積
- 透過使用 JPEG 壓縮影像
- 與早期的 SR 模型相比,Real-ESRGAN 專門針對什麼問題?
- 僅放大卡通圖像
- 處理雜亂的現實世界退化,例如噪音和壓縮
- 故意降低影像解析度
- 將影像轉換為向量圖形
- 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
- 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