Kvíz spojený s průvodcem · Střední úroveň
Kvíz o dekódování paralelního tokenu MaskGIT
Zkontrolujte trénování maskovaných tokenů MaskGIT a iterativní paralelní dekódování, včetně jeho plánu přemaskování založeného na spolehlivosti a obousměrného kontextu.
Otázka 1 z 8
Jak MaskGIT dekóduje tokeny obrázků odlišně od transformátoru VQGAN?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jak MaskGIT dekóduje tokeny obrázků odlišně od transformátoru VQGAN?
- Předpovídá tokeny paralelně a zpřesňuje je v několika krocích
- Předpovídá vždy jeden token v pořadí rastrů
- Nepoužívá žádný transformátor
- Generuje pouze text
- Jaký vzdělávací cíl si MaskGIT vypůjčuje z jazykových modelů?
- Predikce pouze na další slovo
- Predikce maskovaného tokenu, jako BERT
- Klasifikace obrázků
- Posílení učení z lidské zpětné vazby
- Které tokeny během generování odevzdá MaskGIT při každé iteraci?
- Ti s nejnižší důvěrou
- Náhodné tokeny
- Nejspolehlivější předpovědi
- Všechny žetony najednou v prvním kroku
- In the original MaskGIT generation examples, roughly how many refinement iterations were often used?
- Exactly one iteration for every image and task
- Hundreds of sequential token predictions
- A fixed number that cannot be changed by the user
- About 8 to 12 in those reported configurations
- Jaký plán řídí, kolik tokenů MaskGIT odhalí každý krok?
- Plán kosinusového maskování
- Pouze lineární pravidlo odhalující vše najednou
- Žádný rozvrh; je to náhodné
- Pevný jeden žeton na krok
- Proč obousměrná pozornost pomáhá MaskGIT?
- Skryje obrázek před modelem
- Umožňuje každému tokenu vidět celý dílčí obrázek pro lepší kontext
- Dívá se pouze na dřívější tokeny
- Odstraňuje potřebu jakýchkoli tokenů
- What token grid does MaskGIT begin with when generating an image?
- A fully decoded image that only needs color correction
- A left-to-right stream with no masked positions
- A grid with every image token masked
- A grid of text embeddings from the prompt only
- How can MaskGIT fill a masked region during image inpainting?
- Discard the observed image and generate an unrelated full image
- Use only a left-to-right text decoder with no image tokens
- Replace every visible token with a random codebook entry
- Keep observed image tokens as context and iteratively predict the masked positions