গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

ডিফিউশন ট্রান্সফরমার কুইজ

ডিআইটি প্যাচ টোকেন, কন্ডিশনিং, স্কেলিং, ভিডিও স্পেস-টাইম উপস্থাপনা, এবং অনেক টোকেনের মনোযোগ খরচ অন্বেষণ করুন।

সম্পর্কিত গাইড পাথডিফিউশন ট্রান্সফরমার
প্রশ্ন 1 এর 8

প্রথাগত ডিফিউশন মডেলের তুলনায় একটি ডিফিউশন ট্রান্সফরমার কোন উপাদান প্রতিস্থাপন করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. প্রথাগত ডিফিউশন মডেলের তুলনায় একটি ডিফিউশন ট্রান্সফরমার কোন উপাদান প্রতিস্থাপন করে?
    • কনভোলিউশনাল ইউ-নেট ডিনোইজার
    • পাঠ্য এনকোডার
    • ইমেজ ডিকোডার
    • গোলমালের সময়সূচী
  2. কীভাবে একটি ডিআইটি একটি চিত্রকে এমন কিছুতে পরিণত করে যা একটি ট্রান্সফরমার প্রক্রিয়া করতে পারে?
    • এটি পিক্সেলকে সরাসরি শব্দে রূপান্তর করে
    • এটি সুপ্ত চিত্রটিকে টোকেন হিসাবে বিবেচিত প্যাচগুলিতে বিভক্ত করে
    • এটি পুরো ছবির জন্য একটি টোকেন ব্যবহার করে
    • এটি প্রথমে ছবিটিকে অডিওতে রূপান্তর করে
  3. মূল ডিআইটি কাগজে স্কেলিং সম্পর্কে কী পাওয়া গেছে?
    • আকার সঙ্গে দ্রুত কর্মক্ষমতা plateaus
    • বড় মডেল সবসময় খারাপ কাজ করে
    • মডেলের আকার বৃদ্ধি এবং প্যাচের আকার সঙ্কুচিত হওয়ার সাথে সাথে কর্মক্ষমতা অনুমানযোগ্যভাবে উন্নত হয়
    • প্যাচ আকার কোন প্রভাব আছে
  4. কিভাবে DiTs সাধারণত টাইমস্টেপ এবং টেক্সট প্রম্পটের মতো কন্ডিশনিং ইনজেক্ট করে?
    • এটি অতিরিক্ত পিক্সেল হিসাবে যুক্ত করে
    • প্রতি ধাপে মডেলটিকে পুনরায় প্রশিক্ষণ দিয়ে
    • একটি পৃথক কনভোলিউশনাল শাখার মাধ্যমে
    • অভিযোজিত স্তর স্বাভাবিককরণের মাধ্যমে (adaLN)
  5. 'adaLN-শূন্য' আরম্ভ কি সম্পন্ন করে?
    • এটি প্রতিটি ট্রান্সফরমার ব্লককে স্থিতিশীল প্রশিক্ষণের জন্য একটি পরিচয় ফাংশন হিসাবে শুরু করে
    • এটি স্বাভাবিককরণ স্তরগুলি মুছে ফেলে
    • এটি সম্পূর্ণ মডেল হিমায়িত করে
    • এটি ইনপুট চিত্রকে শূন্য করে দেয়
  6. কোন সুপরিচিত সিস্টেম ভিডিও তৈরির জন্য স্পেসটাইম প্যাচের উপর একটি ট্রান্সফরমার ব্যাকবোন ব্যবহার করে?
    • একটি ঐতিহ্যগত GAN
    • OpenAI এর Sora
    • একটি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক
    • একটি সিদ্ধান্ত গাছ মডেল
  7. Why can full self-attention become costly when a DiT processes many patches?
    • Its cost stays constant for any token count
    • It must retrain the U-Net at each denoising step
    • Its pairwise token comparisons grow quadratically with the number of tokens
    • It requires a separate language model for every patch
  8. After a DiT processes latent image patches with its Transformer blocks, what happens to the patch outputs?
    • As one text token for an entire video
    • As only a sequence of audio waveforms
    • As a separate convolutional U-Net for each frame
    • They are reassembled and decoded back into pixels