اختبار النماذج التوليدية القائم على النتيجة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هي بالضبط "النتيجة" التي تتعلمها هذه النماذج؟
   • تدرج كثافة احتمالية السجل فيما يتعلق بالمدخلات
   • تقييم الجودة من 0 إلى 100 لكل صورة
   • عدد فترات التدريب المكتملة
   • تسمية التصنيف لنقطة البيانات
2. لماذا يتم تدريب النماذج القائمة على النتائج على البيانات الفاسدة بسبب الضوضاء على مستويات متعددة؟
   • لجعل الصور تبدو فنية
   • لأنه من الصعب تقدير النتيجة عندما تكون البيانات النظيفة متفرقة، ويملأ الضوضاء تلك المناطق
   • لتقليل حجم ملف مجموعة البيانات
   • لأن الضوضاء تعمل على تسريع وحدة معالجة الرسومات
3. ما هو إجراء أخذ العينات الذي استخدمته النماذج المبكرة القائمة على النتائج لتوليد البيانات؟
   • نزول متدرج على وحدات البكسل نحو صورة هدف ثابت
   • ضرب مصفوفة واحدة
   • ديناميكيات لانجفين - التحرك على طول النتيجة مع إضافة الضوضاء
   • الاقتصاص العشوائي والتقليب
4. ما هي العلاقة الرئيسية التي أنشأتها ورقة SDE لعام 2021؟
   • أن شبكات GAN هي دائمًا أفضل من الانتشار
   • أن الشبكات العصبية لا يمكنها نمذجة الصور
   • نماذج النتيجة هذه تعمل فقط في بعدين
   • إن نماذج الانتشار والنماذج القائمة على النتيجة هما وجهتا نظر لنفس عملية SDE المستمرة
5. كيف يرتبط التنبؤ بالضوضاء بالتنبؤ بالنتيجة في تقليل مطابقة النتيجة؟
   • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
   • Noise prediction and score estimation are unrelated
   • التنبؤ بالضوضاء أمر مستحيل
   • تكون النتيجة دائمًا صفرًا للبيانات المزعجة
6. ما الذي يمكّنه "التدفق الاحتمالي ODE" الحتمي من أن أخذ العينات العشوائية النقية لا يوفره بسهولة؟
   • استهلاك طاقة أعلى لوحدة معالجة الرسومات
   • حساب الاحتمال الدقيق ومسار أخذ العينات الحتمية
   • وضع العلامات التلقائية على مجموعة البيانات
   • إزالة الحاجة إلى أي شبكة عصبية
7. In score-based generation, what does the reverse-time SDE do?
   • It converts image labels into captions
   • It adds noise to an already generated output only
   • It transforms a prior noise distribution back toward the data distribution
   • It estimates the class label of each pixel
8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
   • Use the prior alone and ignore measured k-space data
   • Combine the learned score prior with the measurement constraint during posterior sampling
   • Replace all measurements with random noise
   • Treat the score as a diagnosis of the patient