গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

গ্লিজেন গ্রাউন্ডেড জেনারেশন কুইজ

অন্বেষণ করুন কিভাবে GLIGEN একটি হিমায়িত পূর্ব-প্রশিক্ষিত মডেলে জ্ঞান বজায় রাখার সময় পাঠ্য থেকে চিত্রের বিস্তারে স্থানিক গ্রাউন্ডিং যোগ করে৷

প্রশ্ন 1 এর 8

GLIGEN প্রাথমিকভাবে কোন সমস্যার সমাধান করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. GLIGEN প্রাথমিকভাবে কোন সমস্যার সমাধান করে?
    • বস্তু যেখানে প্রদর্শিত হবে তার উপর সুনির্দিষ্ট স্থানিক নিয়ন্ত্রণের অভাব
    • ধীর প্রজন্মের গতি
    • রঙিন ছবি তৈরি করতে অক্ষমতা
    • জেনারেট করা ভিডিওগুলিতে অডিও অনুপস্থিত৷
  2. কিভাবে GLIGEN pretrained ডিফিউশন মডেলের জ্ঞান সংরক্ষণ করে?
    • এটা স্ক্র্যাচ থেকে সব ওজন retrains
    • এটি মূল ওজন হিমায়িত করে এবং নতুন প্রশিক্ষণযোগ্য গেটেড স্ব-মনোযোগ স্তর যুক্ত করে
    • এটি পাঠ্য এনকোডার মুছে দেয়
    • এটি প্রসারণের পরিবর্তে একটি GAN ব্যবহার করে
  3. একটি সাধারণ গ্রাউন্ডিং ইনপুট GLIGEN কী গ্রহণ করে?
    • একটি সঙ্গীত স্কোর
    • হাইপারপ্যারামিটারের একটি তালিকা
    • একটি টেক্সট বা ইমেজ সত্তার সাথে যুক্ত একটি বাউন্ডিং বাক্স
    • পিক্সেল মানের একটি স্প্রেডশীট
  4. কেন GLIGEN এর নতুন মনোযোগ স্তরের গেটটি শূন্য থেকে শুরু করা হয়?
    • প্রথমে ইমেজ গ্রেস্কেল করতে
    • পাঠ্য প্রম্পট নিষ্ক্রিয় করতে
    • ছবির রেজুলেশন কমাতে
    • তাই বেস মডেলের আচরণ প্রশিক্ষণের প্রথম দিকে সংরক্ষিত হয় এবং ধীরে ধীরে নিয়ন্ত্রণ যোগ করা হয়
  5. GLIGEN-এ 'ওপেন-ওয়ার্ল্ড' গ্রাউন্ডেড জেনারেশন বলতে কী বোঝায়?
    • এটি গ্রাউন্ডিং প্রশিক্ষণের সময় দেখা যায় না এমন নির্বিচারে বর্ণিত ধারণা এবং লেআউটগুলিকে গ্রাউন্ড করতে পারে
    • এটি শুধুমাত্র ইনডোর দৃশ্যে কাজ করে
    • এটি একটি 3D বিশ্বের মডেল প্রয়োজন
    • এটি শুধুমাত্র বহিরঙ্গন ল্যান্ডস্কেপ তৈরি করে
  6. U-Net-এ GLIGEN-এর নতুন গেটেড স্ব-মনোযোগ স্তরগুলি কোথায় ঢোকানো হয়েছে?
    • শুধুমাত্র আউটপুট VAE এ
    • বিদ্যমান স্ব-মনোযোগ এবং ক্রস-মনোযোগ ব্লকের মধ্যে
    • শুধুমাত্র টেক্সট এনকোডারের ভিতরে
    • গোলমাল শিডিউলের আগে
  7. What does a GLIGEN grounding token combine?
    • A denoising timestep with a VAE decoder output
    • A color histogram with the final image resolution
    • A text or image embedding with spatial information such as a bounding box
    • A training dataset name with a classifier label
  8. Besides bounding boxes, which inputs can GLIGEN use to ground objects?
    • Only unstructured audio waveforms
    • A crop-size label without any object information
    • A list of model checkpoint filenames
    • Keypoints or reference images