Kvíz spojený s průvodcem · Střední úroveň
Kvíz GLIGEN Grounded Generation
Prozkoumejte, jak GLIGEN přidává prostorové uzemnění k šíření textu do obrazu a zároveň uchovává znalosti ve zmrazeném předtrénovaném modelu.
Otázka 1 z 8
Jaký problém GLIGEN primárně řeší?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký problém GLIGEN primárně řeší?
- Nedostatek přesné prostorové kontroly nad tím, kde se objekty objevují
- Pomalá rychlost generování
- Neschopnost generovat barevné obrázky
- Chybějící zvuk ve vygenerovaných videích
- Jak GLIGEN uchovává znalost předtrénovaného modelu difúze?
- Přeškolí všechny váhy od nuly
- Zmrazí původní závaží a přidá nové trénovatelné gated self-pozornostní vrstvy
- Vymaže textový kodér
- Místo difúze používá GAN
- Jaký typický uzemňovací vstup GLIGEN přijímá?
- Hudební skóre
- Seznam hyperparametrů
- Ohraničovací rámeček spárovaný s textovou nebo obrázkovou entitou
- Tabulka hodnot pixelů
- Proč je brána v nových vrstvách pozornosti GLIGEN inicializována na nulu?
- Chcete-li nejprve vytvořit obrázky ve stupních šedi
- Chcete-li zakázat textovou výzvu
- Pro snížení rozlišení obrazu
- Takže chování základního modelu je zachováno na začátku tréninku a ovládání je přidáváno postupně
- Co v GLIGENu znamená „otevřená“ generace?
- Může uzemnit libovolné popsané koncepty a rozvržení, které nebyly během tréninku uzemnění vidět
- Funguje pouze na vnitřních scénách
- Vyžaduje 3D model světa
- Vytváří pouze venkovní krajiny
- Kde jsou v U-Net vloženy nové gatované samopozorné vrstvy GLIGEN?
- Pouze na výstupu VAE
- Mezi stávajícími samopozornými a křížovými bloky pozornosti
- Pouze uvnitř textového kodéru
- Před plánovačem hluku
- What does a GLIGEN grounding token combine?
- A denoising timestep with a VAE decoder output
- A color histogram with the final image resolution
- A text or image embedding with spatial information such as a bounding box
- A training dataset name with a classifier label
- Besides bounding boxes, which inputs can GLIGEN use to ground objects?
- Only unstructured audio waveforms
- A crop-size label without any object information
- A list of model checkpoint filenames
- Keypoints or reference images