اختبار مرتبط بالدليل · متوسط المستوى

اختبار نموذج نشر GLIDE

استكشف إنشاء GLIDE الموجه بالنص والرسم والتدريب المشروط وأخذ العينات الخالية من المصنفات وهندسة النماذج التاريخية.

مسارات الدليل ذات الصلةنموذج الانتشار الانزلاقي
سؤال 1 من 8

ما هي طريقة التوجيه التي وجدتها GLIDE لإنتاج صور أفضل وأكثر دقة؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما هي طريقة التوجيه التي وجدتها GLIDE لإنتاج صور أفضل وأكثر دقة؟
    • إرشادات خالية من المصنف
    • توجيه كليب
    • لا يوجد توجيه
    • التحرير اليدوي
  2. What size did the published full GLIDE base diffusion model have, before counting its upsampler?
    • About 3.5 thousand parameters
    • About 350 billion parameters
    • About 3.5 billion parameters
    • No trainable parameters
  3. كيف يعمل التوجيه الخالي من المصنف أثناء التدريب؟
    • لا يرى النموذج سوى المطالبة الصحيحة
    • يتم تدريب مصنف صور منفصل جنبًا إلى جنب
    • تتم ترجمة المطالبات إلى أرقام بشكل عشوائي
    • يرى النموذج في بعض الأحيان الموجه الحقيقي وأحيانًا يكون فارغًا
  4. Which later system describes its diffusion decoder as modifying the GLIDE architecture in the DALL-E 2 research paper?
    • The original text-only GPT-2 model
    • The unCLIP system associated with DALL-E 2
    • The Whisper speech recognizer
    • The CLIP contrastive encoder alone
  5. لماذا أصدرت OpenAI فقط نسخة أصغر ومفلترة من GLIDE للعامة؟
    • تم فقدان النموذج الكامل
    • تم تشغيله فقط على أجهزة الكمبيوتر العملاقة
    • مخاوف بشأن سوء استخدام مولد الصور القوي
    • الترخيص من طرف ثالث
  6. ما هي ميزة التحرير العملية التي دعمها GLIDE؟
    • الرسم الداخلي القائم على النص
    • النسخ الصوتي
    • صيغ جداول البيانات
    • تقديم الفيديو
  7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
    • It replaced the text prompt with an audio transcript
    • It increased the resolution of the image produced by the base model
    • It converted the image into the training tokenizer's vocabulary
    • It supplied manual labels for every generated object
  8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
    • It retrains the model weights after every generated pixel
    • It requires a separate class-label classifier to score every step
    • It replaces the conditional prediction with the unconditional one
    • It combines conditional and unconditional predictions, extrapolating toward the conditional one