Тест, свързан с ръководство · Среден Ниво

Imagen тест за преобразуване на текст в изображение

Прегледайте оригиналния Imagen кондициониране на текст, каскадно генериране, динамично прагово определяне и избор на устойчивост при обучение със супер разделителна способност.

Свързани ръководни пътекиImagen текст към изображение
Въпрос 1 на 8

In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
    • Discarding the language encoder entirely
    • Increasing the pretrained text encoder's size rather than the diffusion model's size
    • Replacing diffusion with nearest-neighbor image lookup
    • Reducing every prompt to a single word
  2. На кой текстов енкодер разчита Imagen?
    • Конволюционна мрежа за изображения
    • Малък LSTM
    • Ръчно написан набор от правила
    • Замразен езиков модел T5-XXL
  3. Как Imagen достига висока резолюция?
    • Каскадна дифузия с етапи на мащабиране със супер разделителна способност
    • Една единствена гигантска стъпка на поколение
    • Чрез изрязване на голяма основна снимка
    • Чрез интерполиране на две изображения
  4. What problem did original Imagen's dynamic thresholding address under strong guidance?
    • A lack of text tokens in the encoder vocabulary
    • The need to compress the final PNG file
    • Saturation of predicted pixel values during sampling
    • A missing training label for every object
  5. Какво е DrawBench?
    • Таблет за рисуване
    • Марка GPU
    • Набор от снимки на котки
    • Еталон на предизвикателни подкани за оценка на модели текст към изображение
  6. Защо енкодерът T5-XXL се държи замразен в Imagen?
    • Счупен е и не може да се тренира
    • Неговото разбиране на богат текст от прехвърляне преди обучението без допълнителна настройка
    • Само за спестяване на дисково пространство
    • Защото текстът е без значение
  7. What resolution did original Imagen's base diffusion model generate before its super-resolution stages?
    • 256 by 256 pixels as the first stage
    • 1024 by 1024 pixels directly
    • 64 by 64 pixels
    • A single pixel that was copied across the final image
  8. Why did the Imagen researchers add Gaussian noise to low-resolution conditioning images during super-resolution training?
    • To make the upsamplers more robust to imperfect inputs from earlier stages
    • To remove text conditioning from the entire cascade
    • To guarantee that all training images had the same caption
    • To replace the upsamplers with deterministic resizing