Kvíz spojený s průvodcem · Těžko úroveň

Kvíz o generativních modelech založených na skóre

Funkce testovacího skóre, porovnávání skóre odšumování, Langevinovo vzorkování a zpětný pohled SDE na generování dat ze šumu.

Související vodicí cestyGenerativní modely založené na skóre
Otázka 1 z 8

Co přesně je „skóre“, které se tyto modely učí?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co přesně je „skóre“, které se tyto modely učí?
    • Gradient hustoty logaritmické pravděpodobnosti vzhledem ke vstupu
    • Hodnocení kvality od 0 do 100 pro každý obrázek
    • Počet dokončených tréninkových epoch
    • Klasifikační štítek datového bodu
  2. Proč jsou modely založené na skóre trénovány na datech poškozených šumem na více úrovních?
    • Aby obrázky vypadaly umělecky
    • Protože skóre je těžké odhadnout, kde je čistých dat poskrovnu, a v těchto oblastech se vyplní šum
    • Chcete-li snížit velikost souboru datové sady
    • Protože hluk zrychluje GPU
  3. Jaký postup vzorkování používaly rané modely založené na skóre k generování dat?
    • Sestup gradientu na pixelech směrem k pevnému cílovému obrazu
    • Násobení jediné matice
    • Langevinova dynamika — krokování podél partitury a přidávání šumu
    • Náhodné oříznutí a převrácení
  4. Jaké hlavní spojení vytvořila studie o skóre 2021 a SDE?
    • Že GAN jsou vždy lepší než difúze
    • Že neuronové sítě neumí modelovat obrázky
    • Tyto modely skóre fungují pouze ve dvou dimenzích
    • Že modely difúze a modely založené na skóre jsou dva pohledy na stejný kontinuální proces SDE
  5. Jak souvisí předpovídání šumu s předpovídáním skóre při odšumování shody skóre?
    • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
    • Noise prediction and score estimation are unrelated
    • Předvídat hluk je nemožné
    • U zašumovaných dat je skóre vždy nulové
  6. Co umožňuje deterministický 'pravděpodobnostní tok ODE', který čistě stochastické vzorkování není snadné poskytnout?
    • Vyšší spotřeba GPU
    • Přesný výpočet pravděpodobnosti a deterministická cesta vzorkování
    • Automatické označování datových sad
    • Odstranění potřeby jakékoli neuronové sítě
  7. In score-based generation, what does the reverse-time SDE do?
    • It converts image labels into captions
    • It adds noise to an already generated output only
    • It transforms a prior noise distribution back toward the data distribution
    • It estimates the class label of each pixel
  8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
    • Use the prior alone and ignore measured k-space data
    • Combine the learned score prior with the measurement constraint during posterior sampling
    • Replace all measurements with random noise
    • Treat the score as a diagnosis of the patient