Тест, свързан с ръководство · Среден Ниво

Google Imagen Тест

Прегледайте как Imagen обуславя дифузията върху текст, подобрява детайлите на изображението и използва насоки и прагове по време на генериране.

Свързани ръководни пътекиGoogle Изображение
Въпрос 1 на 8

На какъв тип генеративен модел е изграден Google Imagen?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. На какъв тип генеративен модел е изграден Google Imagen?
    • Дифузионен модел
    • Генеративна състезателна мрежа (GAN)
    • Само вариационен автоенкодер
    • Рендеринг, базиран на правила
  2. Ключова констатация от оригиналния документ на Imagen беше, че мащабирането на кой компонент подобрява най-много резултатите?
    • Мрежата за разпространение на изображението
    • Кодерът на замразения текст (езиков модел)
    • Размерът на тренировъчната партида
    • Броят на цветните канали
  3. Which improvement did Google announce for Imagen 4 in the Gemini app?
    • Запазване на файлове като PNG
    • Генериране на аудио
    • Improved text rendering in generated images
    • Компресиране на изображения
  4. Оригиналната архитектура на Imagen използва каскада, която започва с генериране на изображение с каква резолюция?
    • 1024x1024
    • 512x512
    • 4096x4096
    • 64x64
  5. What did Google DeepMind say SynthID does for images generated with Imagen on Vertex AI?
    • Embeds an imperceptible watermark in image pixels to help identify likely Imagen output
    • Converts all images to a new file format
    • Provides a GPU chip for image training
    • Translates the prompt language
  6. Чрез коя платформа Google разработчиците могат да имат достъп до Imagen за собствените си приложения?
    • Google Листове
    • Vertex AI
    • Google Карти
    • Chrome DevTools
  7. What issue does dynamic thresholding address in Imagen's sampling process?
    • The model having too few text tokens in its prompt
    • The training set containing too many image resolutions
    • Pixel values becoming oversaturated when classifier-free guidance is high
    • The tokenizer splitting a word into subwords
  8. What does classifier-free guidance do during Imagen sampling?
    • Selects a class label after the image is complete
    • Upscales the image without conditioning on its prompt
    • Replaces the noise-prediction model with a fixed image lookup
    • Combines conditional and unconditioned predictions to steer generation toward the prompt