引導式測驗 · 中等 等級

Real-ESRGAN 實用修復測驗

了解 Real-ESRGAN 如何模擬真實世界的影像退化並在復原過程中處理雜訊、壓縮和記憶體限制。

問題 1 的 8

Real-ESRGAN 解決了原始 ESRGAN 的哪些關鍵弱點?

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. Real-ESRGAN 解決了原始 ESRGAN 的哪些關鍵弱點?
    • 它只接受過乾淨雙三次降尺度訓練
    • 它僅適用於灰階影像
    • 它無法在 GPU 上運行
    • 需要配對真實照片
  2. Real-ESRGAN 的「高階退化」模型是什麼?
    • 更高解析度的發生器
    • 按順序應用的一系列隨機降級
    • 新的注意力機制
    • 更大的判別器
  3. Real-ESRGAN 使用什麼鑑別器架構?
    • 單一線性分類器
    • 循環網絡
    • 具有譜歸一化功能的 U-Net
    • 冷凍的 VGG
  4. Real-ESRGAN 中的“sinc”濾波器會再現哪些偽影?
    • 色帶
    • 鏡頭光暈
    • 色差
    • 振鈴和過衝
  5. Real-ESRGAN 生成器保留了 ESRGAN 的哪些支柱?
    • RRDB 區塊
    • 變壓器編碼器
    • 擴散 U 網
    • LSTM 堆疊
  6. 在 GFPGAN 的記錄推論指令中,預設設定的背景升頻器(upsampler)是什麼?
    • 真實ESRGAN
    • 僅限 ESRGAN
    • 固定的雙三次插值(bicubic resize)
    • 不支援任何背景升頻器
  7. Real-ESRGAN 的動漫檢查點(anime checkpoint)旨在修復哪種類型的影像?
    • 僅限醫療電腦斷層掃描(CT)
    • 僅限衛星照片
    • 動漫插圖
    • 僅限灰階手寫文件
  8. 為什麼分塊推論(tiled inference)有助於修復超大影像?
    • 它能確保每個分塊包含相同的細節
    • 它將超解析度替換為影像壓縮
    • 它防止模型看到任何相鄰像素
    • 它透過處理較小的區塊來降低峰值記憶體使用量