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.

Související vodicí cestyModely konzistence
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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