اختبار تحرير لقطة واحدة لضبط الفيديو

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو النموذج الأساسي الذي يبدأ منه Tune-A-Video قبل تكييفه للفيديو؟
   • نموذج نشر نص إلى صورة تم تدريبه مسبقًا مثل Stable Diffusion
   • نموذج لغة كبير
   • نموذج فيديو تم تدريبه من الصفر على ملايين المقاطع
   • مولد الصور القائم على GAN
2. ما الذي تشير إليه كلمة "لقطة واحدة" في Tune-A-Video؟
   • توليد في خطوة واحدة تقليل الضوضاء
   • ضبط على فيديو مصدر واحد فقط
   • استخدام موجه واحد لمجموعة البيانات بأكملها
   • يعمل على GPU واحد
3. How does Tune-A-Video’s sparse causal attention connect video frames?
   • Frames are generated fully independently
   • Every frame is averaged into one image
   • Each frame can attend to the first frame and the preceding frame
   • Attention is disabled across all frames
4. What does DDIM inversion provide before Tune-A-Video samples an edit?
   • A compressed audio track
   • A new video caption
   • A camera calibration file
   • A source-conditioned latent that guides generation from the input video
5. أثناء الضبط، ما الذي يتم تحديثه في المقام الأول لـ Tune-A-Video ليظل فعالاً؟
   • مجموعة صغيرة من معلمات الاهتمام/الزمنية
   • كل وزن في النموذج الكامل
   • فقط المفردات التشفير النص
   • وحدة فك ترميز الصورة فقط
6. What limitation motivated later tuning-free video-editing methods?
   • It can only edit audio
   • Tune-A-Video requires per-video tuning before editing a new clip
   • It supports no text prompt
   • It was trained only on black-and-white images
7. Which editing capability did the Tune-A-Video paper demonstrate?
   • Automatic speech-quality scoring
   • 3D camera-pose recovery from photos
   • Text-guided style transfer on a source video
   • Instrument-stem separation
8. Which content change can Tune-A-Video apply to a source clip using text?
   • Measuring packet latency
   • Estimating pitch from a monophonic signal
   • Recovering 3D scene geometry from uncalibrated photos
   • Changing a subject or background while trying to retain source motion