গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

গিগাগান স্কেল্ড জেনারেটর কুইজ

GigaGAN-এর টেক্সট-কন্ডিশনড আর্কিটেকচার, জেনারেশন স্পিড, মাল্টি-স্কেল ডিসক্রিমিনেটর, লুকানো এডিটিং এবং আলাদা হাই-রেজোলিউশন আপস্যাম্পলার এক্সপ্লোর করুন।

সম্পর্কিত গাইড পাথগিগাগান স্কেল্ড জেনারেটর
প্রশ্ন 1 এর 8

What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
    • 1.0 billion total across the 652.5M base generator and 359.1M upsampler
    • 70 million total across a 64M generator and 6M discriminator
    • 1.0 billion in the base generator alone, with no upsampler
    • 3.5 billion total across two text encoders
  2. ডিফিউশন মডেলের উপরে গিগাগানের একটি প্রধান গতির সুবিধা কী?
    • এটার কোন GPU লাগবে না
    • এটি অনেকগুলি ডিনোইসিং ধাপের পরিবর্তে একটি একক ফরোয়ার্ড পাসে একটি চিত্র তৈরি করে৷
    • এটি এক সেকেন্ডে ট্রেনিং করে
    • এটি কোন নিউরাল নেটওয়ার্ক ব্যবহার করে না
  3. GigaGAN এর 'নমুনা-অভিযোজিত কার্নেল নির্বাচন' কী করে?
    • অব্যবহৃত পিক্সেল মুছে দেয়
    • চিত্রটিকে JPEG-তে সংকুচিত করে
    • টেক্সট প্রম্পট থেকে প্রাপ্ত ওজন ব্যবহার করে কনভোলিউশন ফিল্টারগুলির একটি ব্যাঙ্ককে মিশ্রিত করে
    • GPU স্বয়ংক্রিয়ভাবে বাছাই করে
  4. কিভাবে GigaGAN ইমেজ জেনারেশনে টেক্সট তথ্য অন্তর্ভুক্ত করে?
    • প্রম্পট ক্রপ করে
    • এটি সম্পূর্ণরূপে পাঠ্য উপেক্ষা করে
    • ছবির উপর লেখা প্রিন্ট করে
    • টেক্সট এম্বেডিং এবং মিলিত CLIP বৈশিষ্ট্যগুলির প্রতি ক্রস-মনোযোগের মাধ্যমে
  5. বেস জেনারেশনের বাইরে গিগাগান কোন অতিরিক্ত ক্ষমতা প্রদান করে?
    • একটি পৃথক GAN আপস্যাম্পলার যা 4K রেজোলিউশনে পৌঁছাতে পারে
    • অডিও সংশ্লেষণ
    • বক্তৃতা স্বীকৃতি
    • ডাটাবেস অনুসন্ধান
  6. কেন GigaGAN এর সুপ্ত স্থান সম্পাদনা সরঞ্জামের জন্য উপযোগী?
    • এটা সম্পাদনা করা যাবে না
    • এটি নিয়ন্ত্রণযোগ্য পরিবর্তনের জন্য মসৃণ ইন্টারপোলেশন এবং শৈলী মিশ্রণ সমর্থন করে
    • এটি শুধুমাত্র পাঠ্য সঞ্চয় করে
    • এটি এক ব্যবহারের পর ছবিটি মুছে ফেলে
  7. How does GigaGAN’s image discriminator make predictions across resolutions?
    • It scores only the text prompt and ignores generated images
    • It predicts one label at the final resolution only
    • It receives an image pyramid and predicts real or fake at multiple input and downsampling scales
    • It compares generated images with a fixed set of training captions only
  8. What does GigaGAN’s base generator produce for later multi-scale processing?
    • A single class label for the entire image
    • A sequence of text tokens for an autoregressive decoder
    • Only the final upsampled image, with no intermediate scales
    • An image pyramid with outputs at several resolutions