Kvíz spojený s průvodcem · Střední úroveň
Kvíz o modelech konzistence
Pochopte, jak se modely konzistence učí generování v jednom nebo několika krocích z trajektorií difúze a hraničních omezení.
Otázka 1 z 8
Jaký hlavní problém s modely difúze řeší modely konzistence?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký hlavní problém s modely difúze řeší modely konzistence?
- Difúzní vzorkování je pomalé, protože vyžaduje mnoho iteračních kroků
- Difúze nemůže generovat barevné obrázky
- Difúze využívá příliš málo paměti
- Difúze funguje pouze na textu
- Jaká je vlastnost „sebekonzistence“, aby tyto modely uspokojovaly?
- Každý obrázek musí mít stejnou barvu
- Každý bod na trajektorii šumu k datům se mapuje do stejného čistého koncového bodu
- Model musí souhlasit s lidským štítkovačem
- Výstup se musí rovnat vstupnímu šumu
- Jakou okrajovou podmínku musí funkce konzistence splňovat v čase nula?
- Musí vydávat čistý šum
- Výstup musí být černý
- Musí fungovat jako identita (vrátit vstup nezměněný)
- Musí vydat průměr datové sady
- Jak lze vytvořit model konzistence z existujícího modelu difúze?
- Náhodným smazáním poloviny jeho vrstev
- Převedením do rozhodovacího stromu
- Trénováním pouze na textových datech
- Konzistenční destilací předem připraveného difúzního modelu
- Jaká technika stabilizuje trénink konzistence tím, že poskytuje cíle učení?
- Cílová síť aktualizována jako exponenciální klouzavý průměr
- Náhodné vymazání funkce ztráty
- Zdvojnásobení rychlosti učení při každém kroku
- Použití pouze jednoho tréninkového obrázku
- How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
- Hundreds of steps in every setting
- Two to four sampling steps
- Exactly one training epoch
- No sampling or model evaluation
- What are two training routes introduced for consistency models?
- Only supervised image classification
- Only adversarial training with a discriminator
- Consistency distillation from a pretrained diffusion model and standalone consistency training
- Token prediction and masked language modeling
- Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
- Speech diarization and speaker verification
- Machine translation and summarization
- Database query planning and code completion
- Inpainting, colorization and super-resolution