Kvíz spojený s průvodcem · Střední úroveň

Kvíz o generátorech ve škále GigaGAN

Prozkoumejte textově podmíněnou architekturu GigaGAN, rychlost generování, víceškálový diskriminátor, latentní úpravy a samostatný upsampler s vysokým rozlišením.

Související vodicí cestyGigagan Scaled Generátory
Otázka 1 z 8

Jaký celkový počet parametrů hlásil papír pro jednu vysokokapacitní konfiguraci rámce GigaGAN?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký celkový počet parametrů hlásil papír pro jednu vysokokapacitní konfiguraci rámce GigaGAN?
    • Celkem 1,0 miliardy přes 652,5M základní generátor a 359,1M upsampler
    • Celkem 70 milionů přes 64M generátor a 6M diskriminátor
    • 1,0 miliardy v samotném základním generátoru, bez upsampleru
    • Celkem 3,5 miliardy ve dvou textových kodérech
  2. Jaká je hlavní rychlostní výhoda GigaGAN oproti difúzním modelům?
    • Nepotřebuje GPU
    • Namísto mnoha kroků k odstranění šumu generuje obraz v jediném průchodu dopředu
    • Cvičí se během jedné sekundy
    • Nevyužívá žádnou neuronovou síť
  3. Co dělá „výběr jádra adaptivního na vzorky“ GigaGAN?
    • Odstraní nepoužívané pixely
    • Zkomprimuje obrázek do formátu JPEG
    • Smíchá banku konvolučních filtrů pomocí vah odvozených z textové výzvy
    • Vybere GPU automaticky
  4. Jak GigaGAN začleňuje textové informace do generování obrázků?
    • Oříznutím výzvy
    • Text zcela ignoruje
    • Tiskem textu na obrázek
    • Prostřednictvím křížové pozornosti k vkládání textu a odpovídajícím funkcím CLIP
  5. Jaké další funkce poskytuje GigaGAN nad rámec základní generace?
    • Samostatný GAN upsampler, který dokáže dosáhnout rozlišení 4K
    • Syntéza zvuku
    • Rozpoznávání řeči
    • Dotazování databáze
  6. Proč je latentní prostor GigaGAN užitečný pro editační nástroje?
    • Nelze jej upravit
    • Podporuje plynulou interpolaci a míchání stylů pro ovladatelné změny
    • Ukládá pouze text
    • Smaže obrázek po jednom použití
  7. Jak rozlišovač obrázků GigaGAN předpovídá v různých rozlišeních?
    • Hodnotí pouze textovou výzvu a ignoruje generované obrázky
    • Předpovídá pouze jeden štítek při konečném rozlišení
    • Přijímá pyramidu obrázků a předpovídá skutečné nebo falešné na více vstupních a downsamplingových měřítcích
    • Porovnává generované obrázky pouze s pevnou sadou tréninkových titulků
  8. Co vyrábí základní generátor GigaGAN pro pozdější zpracování ve více měřítcích?
    • Jediný štítek třídy pro celý obrázek
    • Sekvence textových tokenů pro autoregresivní dekodér
    • Pouze konečný převzorkovaný obrázek bez přechodných měřítek
    • Obrazová pyramida s výstupy v několika rozlišeních