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।
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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