关于图像特征，下面说法正确的是
图像特征就是图像全部的二进制像素数据
图像特征是反映图像本质的关键信息，可使用一组数字表示
计算机判断图像内容，必须保存图像所有像素数据
图像特征只能人工提取，无法自动提取
自动提取图像特征时，卷积神经网络类似于
在图像上移动观察卡，扫描计算获取关键特征
直接读取整张图片全部像素
给图片手动添加文字标签
修改图片的色彩分辨率
“以图搜图” 的正确流程是①计算待查图像和图像库图像相似度②提取待查询图像的图像特征③按相似度从高到低返回结果④提取图像库内全部图像的特征
图像风格迁移的核心是
复制整张风格图，直接覆盖内容图
保留内容图的结构，融合另一张图的视觉风格
修改图片文件格式
改变图片像素尺寸
使用AI风格迁移直接模仿知名画家作品风格用于商业售卖，主要风险是
图片文件会损坏
产生著作权、版权相关伦理法律问题
图片分辨率自动变高
图片会自动删除
对抗生成网络包含哪两个网络
识别网络、检索网络
生成网络、判别网络
编码网络、解码网络
特征网络、相似度网络
对抗生成训练完成后，生成图像主要依靠
只使用判别网络
只使用生成网络，判别网络可辅助控制图像质量
不需要任何网络
必须两个网络同时训练再重新学习
对抗生成中，如果把评分阈值设置很高，生成出来的图像会
数量多，质量低
数量少，质量高
数量多，质量高
数量少，质量低
扩散生成模型训练阶段的操作是
不断给清晰图像添加噪点，学习不同噪点状态下图像特征
直接复制原始图片
不断删除图片像素
给图片添加文字标注
扩散生成图像时的生成过程是
直接输出清晰原图
从充满噪点的图像开始，反向逐步推算得到清晰新图像
对图片做风格迁移
计算图片相似度
图文语义对齐指的是
给图片手动写上文字标签
调整文字、图像的语义编码，含义相同的图文在语义空间更贴近
修改图片的文字水印
把图片转换成文字文档
完成图文语义对齐之后，可以实现
文字和图像的语义编码互相比较、匹配
图片文件自动变小
图像自动转换成音频
图片像素无限制提升
文生图、以文搜图技术能够实现的关键基础是
图像文件压缩技术
图文语义对齐
图片格式转换
图片裁剪技术
计算机处理图像实现识别功能，依靠的是
图片的文件名
提取得到的图像特征
图片存放的文件夹
图片后缀格式
关于图像相似度，下列说法错误的是
特征向量越接近，图像相似度越高
可以依靠图像特征计算两幅图片相似度
相似度为100%代表两张图片一定完全一模一样
内容差别很大的图片，特征差距会比较大
人工编码图像特征的时候，我们主要是为了
记录全部像素颜色
抓住关键位置信息，简化图像描述
修改图片分辨率
压缩图片存储空间
在风格迁移操作中，内容图主要负责提供
绘画笔触和色彩
图像物体的结构、内容轮廓
图片的文件大小
图片存储格式
在风格迁移操作中，风格图主要提供
画面物体的摆放位置
独特的色彩、笔触等视觉艺术效果
图片的分辨率大小
图片的文件名
对于AI风格迁移生成的作品，下面想法合理的是
可以直接拿去大量商业售卖，不存在任何版权问题
不需要考虑原作者，随便使用任何名家风格
应当关注著作权，商业使用要谨慎
生成的AI图像一定属于完全原创，不受任何约束
对抗生成网络训练时，两个网络的关系是
互不干扰，独立运行
相互对抗，不断迭代优化
只做图片格式转换
专门用来计算图像相似度
对抗生成网络中，判别网络的主要任务是
生成全新的图片
判断生成图像的真假与图像质量
提取图片风格特征
完成图文语义对齐
对抗生成中，评分阈值设置较低时，生成图像表现为
数量少，质量高
数量多，质量偏低
数量少，质量低
数量多，质量很高
关于扩散生成，下列说法正确的是
生成图像是复制训练集中已有的原图
模型根据噪点状态逐步推算，创造出新图像，不是简单复制原图
训练阶段是去除图片噪点
只能用来做图片风格迁移
下面哪一项属于“以文搜图”的正确步骤
提取文本语义编码、提取图像语义编码、计算相似度、输出图像
直接修改图片文件名和文字一样
对图片进行风格迁移
给图片全部手动打上标签
早期简单文字搜图方式：预先人工给图像写好文字标签，该方式的缺点是
不需要人工操作
只能匹配已经写好的标签，不能智能理解语义
可以实现文生图
可以自动提取图像特征
使用AI生成图像用于爱心慈善义卖活动，下面观点正确的是
慈善用途就完全没有法律、伦理方面的顾虑
即使是非盈利义卖，仍然需要考虑AI生成图像的著作权与伦理规范
只要不卖钱，随便怎么使用都可以
生成的图像一定可以直接印刷出售