গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
ডিফিউশন ট্রান্সফরমার কুইজ
ডিআইটি প্যাচ টোকেন, কন্ডিশনিং, স্কেলিং, ভিডিও স্পেস-টাইম উপস্থাপনা, এবং অনেক টোকেনের মনোযোগ খরচ অন্বেষণ করুন।
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।
- প্রথাগত ডিফিউশন মডেলের তুলনায় একটি ডিফিউশন ট্রান্সফরমার কোন উপাদান প্রতিস্থাপন করে?
- কনভোলিউশনাল ইউ-নেট ডিনোইজার
- পাঠ্য এনকোডার
- ইমেজ ডিকোডার
- গোলমালের সময়সূচী
- 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
- 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
- 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)
- '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
- 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
- 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
- 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