Kvíz spojený s průvodcem · Těžko úroveň

Flow Matching kvíz

Prozkoumejte naučená vektorová pole, podmíněné cesty, vzorkování ODE a vztah ke generování založenému na difúzi.

Související vodicí cestyShoda toku
Otázka 1 z 8

Co se model přizpůsobení toku přímo naučí předpovídat?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co se model přizpůsobení toku přímo naučí předpovídat?
    • Rychlostní pole, které posouvá vzorky od šumu směrem k datům
    • Klasifikační štítek pro každý obrázek
    • Komprimované bajty JPEG obrázku
    • Pevná vyhledávací tabulka hodnot pixelů
  2. Jak se generují vzorky z natrénovaného modelu přizpůsobení toku?
    • Vzorkováním diskrétního Markovova řetězce slov
    • Integrací naučeného rychlostního pole s řešičem ODE počínaje šumem
    • Spuštěním gradientu sestupu na vstupním obrázku
    • Zprůměrováním celé tréninkové sestavy
  3. Čím je podmíněná ztráta přizpůsobení toku ovladatelná?
    • Úplně ignoruje data
    • Vyžaduje analytické řešení celé okrajové oblasti
    • Podmiňuje jeden datový bod a používá jednoduchou známou interpolační cestu
    • Funguje vždy pouze na jednom obrázku
  4. Proč varianta „usměrněného toku“ umožňuje rychlejší generování?
    • Využívá větší neuronové sítě
    • Úplně vynechává trénink
    • Nejprve převede obrázky na text
    • Narovnává pravděpodobnostní cesty, takže je potřeba méně kroků řešení ODE
  5. Which named image model’s paper explicitly describes a rectified-flow transformer?
    • Stable Diffusion 3
    • Flux, as established by the cited source set
    • ResNet-50
    • YOLOv8
  6. Jaká je typická interpolace mezi vzorkem šumu a vzorkem dat při podmíněném přizpůsobení toku v čase t?
    • Náhodné zamíchání pixelů
    • x_t = (1-t)*šum + t*data, přímá směs
    • Umocnění každé hodnoty pixelu
    • Řazení pixelů podle jasu
  7. In conditional flow matching, how is the marginal vector field related to conditional vector fields?
    • It is the largest vector in the training batch
    • It is a fixed class label independent of time
    • It is the conditional expectation of the conditional vector field over the conditioning variable
    • It is the average pixel value of the data
  8. Beyond generative modeling, what other task does the original rectified-flow paper describe?
    • Speech diarization with speaker embeddings
    • Classifying handwritten digits from labels alone
    • Predicting calendar availability
    • Data or domain transfer between distributions