اختبار نماذج الانتشار الكامن

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو الابتكار الرئيسي لنماذج الانتشار الكامن مقارنة بانتشار مساحة البكسل؟
   • يقومون بتشغيل عملية الانتشار في مساحة كامنة مضغوطة بدلاً من وحدات البكسل الأولية
   • أنها تلغي الحاجة إلى أي شبكة عصبية
   • إنهم يعملون فقط على الصور بالأبيض والأسود
   • أنها لا تتطلب أي بيانات التدريب على الإطلاق
2. In latent diffusion, what does the first-stage autoencoder do?
   • Predicts text tokens without processing images
   • Encodes an image into a latent representation and decodes latents back into images
   • Replaces the diffusion model at every denoising step
   • Classifies a prompt as safe or unsafe
3. كيف يتم عادةً حقن النص في شبكة U-Net التي تقلل الضوضاء في حالة الانتشار الكامن؟
   • عن طريق ربط سلسلة النص الخام بالصورة
   • عن طريق تحرير وحدات البكسل يدويًا
   • من خلال طبقات الاهتمام المتبادل باستخدام تضمينات النص
   • لا يمكن استخدام النص على الإطلاق
4. Why can denoising in a latent diffusion model reduce computation compared with pixel-space diffusion?
   • The model skips all image decoding
   • The diffusion network uses no neural layers
   • The model removes every denoising step
   • The denoiser operates on a smaller spatial latent grid, though decoding is still needed at the end
5. Which first-stage autoencoder regularization variants does the original latent diffusion paper investigate?
   • KL-regularized and vector-quantized autoencoders
   • Only a classifier-free guidance model
   • Only a causal language model
   • A decoder that has no learned parameters
6. ما الذي يتعلم نموذج الانتشار القيام به أثناء التدريب؟
   • لتصنيف الصور إلى فئات
   • لعكس عملية الضوضاء التدريجية وتقليل الضوضاء خطوة بخطوة
   • لضغط النص إلى صوت
   • لترجمة اللغات
7. In the paper’s f=8 autoencoder configuration, what does the downsampling factor describe?
   • The model uses eight separate text encoders
   • Every input is reduced to exactly eight pixels
   • Each spatial dimension of the latent grid is reduced by a factor of eight
   • The diffusion model performs eight total training updates
8. How does the latent diffusion paper inject spatial conditions such as semantic layouts into the denoiser?
   • It converts the layout into an English sentence only
   • It removes spatial coordinates before denoising
   • It uses the condition only after decoding to pixels
   • It concatenates the spatial condition with the latent representation along channels