স্কোর-ভিত্তিক জেনারেটিভ মডেল কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. এই মডেলগুলি যে 'স্কোর' শিখেছে তা ঠিক কী?
   • ইনপুট সাপেক্ষে লগ-সম্ভাব্যতার ঘনত্বের গ্রেডিয়েন্ট
   • প্রতিটি ছবির জন্য 0 থেকে 100 পর্যন্ত একটি গুণমানের রেটিং
   • প্রশিক্ষণ যুগের সংখ্যা সম্পন্ন হয়েছে
   • ডেটা পয়েন্টের শ্রেণীবিভাগ লেবেল
2. কেন স্কোর-ভিত্তিক মডেলগুলি একাধিক স্কেলে গোলমাল সহ ডেটাতে প্রশিক্ষিত?
   • ইমেজ শৈল্পিক চেহারা করতে
   • কারণ স্কোর অনুমান করা কঠিন যেখানে পরিচ্ছন্ন ডেটা বিক্ষিপ্ত, এবং সেই অঞ্চলগুলিতে গোলমাল পূরণ হয়
   • ডেটাসেটের ফাইলের আকার কমাতে
   • কারণ নয়েজ GPU এর গতি বাড়িয়ে দেয়
3. প্রাথমিক স্কোর-ভিত্তিক মডেলগুলি ডেটা তৈরি করতে কোন নমুনা পদ্ধতি ব্যবহার করেছিল?
   • একটি নির্দিষ্ট লক্ষ্য চিত্রের দিকে পিক্সেলের গ্রেডিয়েন্ট ডিসেন্ট
   • একটি একক ম্যাট্রিক্স গুণ
   • ল্যাঙ্গেভিন গতিবিদ্যা — গোলমাল যোগ করার সময় স্কোর বরাবর ধাপে ধাপে
   • এলোমেলো ক্রপিং এবং ফ্লিপিং
4. 2021 স্কোর-এসডিই কাগজ কোন প্রধান সংযোগ স্থাপন করেছে?
   • যে GAN গুলি সর্বদা প্রসারণের চেয়ে ভাল
   • যে নিউরাল নেটওয়ার্ক ইমেজ মডেল করতে পারে না
   • সেই স্কোর মডেলগুলি শুধুমাত্র দুটি মাত্রায় কাজ করে
   • সেই ডিফিউশন মডেল এবং স্কোর-ভিত্তিক মডেলগুলি একই অবিচ্ছিন্ন SDE প্রক্রিয়ার দুটি দৃষ্টিভঙ্গি
5. কিভাবে ভবিষ্যদ্বাণী করা গোলমাল denoising স্কোর ম্যাচিং মধ্যে স্কোর ভবিষ্যদ্বাণী সম্পর্কিত?
   • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
   • Noise prediction and score estimation are unrelated
   • আওয়াজ অনুমান করা অসম্ভব
   • গোলমাল ডেটার জন্য স্কোর সর্বদা শূন্য
6. নির্ধারক 'সম্ভাব্যতা প্রবাহ ODE' কি সক্ষম করে যে বিশুদ্ধ স্টোকাস্টিক স্যাম্পলিং সহজে প্রদান করে না?
   • উচ্চ GPU শক্তি খরচ
   • সঠিক সম্ভাবনা গণনা এবং একটি নির্ধারক নমুনা পথ
   • স্বয়ংক্রিয় ডেটাসেট লেবেলিং
   • যেকোনো নিউরাল নেটওয়ার্কের প্রয়োজনীয়তা দূর করা
7. In score-based generation, what does the reverse-time SDE do?
   • It converts image labels into captions
   • It adds noise to an already generated output only
   • It transforms a prior noise distribution back toward the data distribution
   • It estimates the class label of each pixel
8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
   • Use the prior alone and ignore measured k-space data
   • Combine the learned score prior with the measurement constraint during posterior sampling
   • Replace all measurements with random noise
   • Treat the score as a diagnosis of the patient