Тест, свързан с ръководство · Среден Ниво

Тест за DDPM и DDIM семпли

Сравнете DDPM и DDIM обратно вземане на проби, включително споделено обучение, контроли за стохастичност, прескачане на времева стъпка и оценки на чисто изображение.

Свързани ръководни пътекиDdpm и Ddim семплер
Въпрос 1 на 8

Какво е основното практическо предимство на DDIM пред DDPM?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво е основното практическо предимство на DDIM пред DDPM?
    • Той може да създаде сравними изображения в много по-малко стъпки на вземане на проби
    • Това изисква напълно различна обучена мрежа
    • Той добавя повече произволен шум на всяка стъпка за по-добро качество
    • Работи само върху черно-бели изображения
  2. Какво всъщност се научава да прогнозира невронната мрежа на дифузионния модел по време на обучение?
    • Последният надпис за изображението
    • Шумът, който е добавен към изображение на дадена стъпка от време
    • Степента на компресия на изображението
    • Настройките на камерата, използвани за заснемане на снимката
  3. Защо DDIM може да създава абсолютно същото изображение от същия начален шум всеки път?
    • Тъй като кешира предварително генерирани изображения
    • Тъй като винаги използва фиксирана подкана
    • Тъй като неговият процес на вземане на проби е детерминистичен без инжектирана произволност
    • Тъй като осреднява много произволни изпълнения заедно
  4. В DDIM каква стойност на параметъра eta възстановява първоначалното стохастично поведение на DDPM?
    • ета = 0
    • ета = -1
    • ета = 100
    • ета = 1
  5. Приблизително от колко стъпки обикновено се нуждае оригиналният DDPM за висококачествени проби?
    • Стотици до около хиляда стъпки
    • Точно 3 стъпки
    • Една единствена стъпка
    • Над един милион стъпки
  6. Кое от тях е ключово междинно количество DDIM оценки, преди да пристъпите напред?
    • Размерът на изходния файл
    • Предсказаното чисто изображение x0
    • Подканата дължина на вграждане на потребителя
    • Температурата на GPU
  7. What does DDIM change compared with DDPM when using a model trained with the DDPM procedure?
    • It replaces the network with a text classifier
    • It changes the training data from images to audio
    • It changes the sampling trajectory while reusing the trained denoising network
    • It removes the need to estimate noise
  8. Why can DDIM skip selected diffusion timesteps during sampling?
    • The training process never added noise
    • Each skipped timestep is replaced by a larger image
    • It copies an earlier generated image from a cache
    • Its non-Markovian sampling path can connect noise levels without visiting every training step