Тест за съответствие на потока

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво директно се научава да прогнозира един модел за съпоставяне на потока?
   • Поле за скорост, което премества проби от шум към данни
   • Класификационен етикет за всяко изображение
   • Компресираните JPEG байтове на изображение
   • Фиксирана справочна таблица на стойностите на пикселите
2. Как се генерират проби от обучен модел за съвпадение на потока?
   • Чрез вземане на проби от отделна Марковска верига от думи
   • Чрез интегриране на наученото поле на скоростта с ODE решаване, като се започне от шума
   • Чрез изпълнение на градиентно спускане върху входното изображение
   • Чрез осредняване на целия тренировъчен набор
3. Какво прави условната загуба на съвпадение на потока поносима за обучение?
   • Той напълно игнорира данните
   • Това изисква аналитично решаване на пълното маргинално поле
   • Той обуславя една точка от данни и използва прост известен път на интерполация
   • Работи само върху едно изображение наведнъж завинаги
4. Защо вариантът с „коригиран поток“ позволява по-бързо генериране?
   • Той използва по-големи невронни мрежи
   • Пропуска изцяло тренировките
   • Първо преобразува изображения в текст
   • Той изправя пътеките на вероятностите, така че са необходими по-малко стъпки на ODE решаване
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • ResNet-50
   • YOLOv8
6. При съпоставяне на условен поток, каква е типичната интерполация между проба от шум и проба от данни в момент t?
   • Случайно разбъркване на пиксели
   • x_t = (1-t)*шум + t*данни, смесване в права линия
   • Поставяне на квадрат на всяка пикселна стойност
   • Сортиране на пиксели по яркост
7. In conditional flow matching, how is the marginal vector field related to conditional vector fields?
   • It is the largest vector in the training batch
   • It is a fixed class label independent of time
   • It is the conditional expectation of the conditional vector field over the conditioning variable
   • It is the average pixel value of the data
8. Beyond generative modeling, what other task does the original rectified-flow paper describe?
   • Speech diarization with speaker embeddings
   • Classifying handwritten digits from labels alone
   • Predicting calendar availability
   • Data or domain transfer between distributions