Kvíz spojený s průvodcem · Střední úroveň

Kvíz odhadu hloubky difúze měsíčku

Zkontrolujte, jak Marigold znovu používá latentní priory Stable Diffusion pro relativní hloubku a zvládá afinní invarianci, vzorkování a detaily výstupu.

Související vodicí cestyOdhad hloubky difúze měsíčku
Otázka 1 z 8

Na jakém předtrénovaném modelu Marigold staví?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Na jakém předtrénovaném modelu Marigold staví?
    • Stable Diffusion
    • GPT-4
    • YOLOv8
    • ResNet-50
  2. Jak Marigold formuluje úlohu odhadu hloubky?
    • Jako klasifikační problém
    • Jako podmíněné generování hloubkové mapy
    • Jako posilující učení
    • Jako problém shlukování
  3. Co bylo překvapivé na Marigoldových tréninkových datech?
    • Používal miliardy skutečných hloubkových skenů
    • Nepotřebovalo to vůbec žádný trénink
    • Byl doladěn hlavně na syntetických souborech dat, ale zobecněn na reálné obrázky
    • Používal pouze zvuková data
  4. Proč je Marigold obvykle pomalejší než modely s hloubkou posuvu vpřed?
    • Běží pouze na CPU
    • Pokaždé stahuje data z internetu
    • Znovu se trénuje pro každý obrázek
    • Používá iterativní odšumovací vzorkovací smyčku
  5. V jakém prostoru Marigold provádí svůj difúzní proces?
    • Latentní prostor VAE Stable Diffusion
    • Surový prostor pixelů
    • Frekvenční/Fourierův prostor
    • Prostor bod-mrak
  6. Jak může Marigold zlepšit hloubkovou stabilitu napříč běhy?
    • Snížením rozlišení obrazu
    • Sestavením více vzorových předpovědí
    • Vypnutím VAE
    • Převedením do stupňů šedi
  7. What does affine-invariant relative depth mean for a Marigold prediction?
    • Every pixel gives exact distance in meters without calibration
    • The output contains color labels instead of depth
    • Depth ordering is useful, but the output's absolute scale and offset need not equal real-world measurements
    • Only the nearest object receives a depth value
  8. Which pair of inputs does Marigold encode with the same VAE during its latent diffusion process?
    • The camera pose and a 3D mesh
    • The text prompt and a CLIP score
    • Two stereo images from separate cameras
    • The input image and the depth map