Kvíz spojený s průvodcem · Střední úroveň
Stabilní kvíz o šíření videa
Porozumějte kontrolním bodům, dočasným vrstvám, postupnému školení a limitům modelových licencí v rámci Stable Video Diffusion.
Otázka 1 z 8
What input does a public Stable Video Diffusion image-to-video checkpoint use?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- What input does a public Stable Video Diffusion image-to-video checkpoint use?
- Jediný statický obrázek
- 3D síťový soubor
- Pouze plný textový scénář
- Záznam z mikrofonu
- Co přidalo SVD k architektuře Stable Diffusion se statickým obrazem, aby zvládla pohyb?
- Větší paleta barev
- Časové vrstvy spojující snímky v průběhu času
- Moduly pro syntézu zvuku
- Kontrola pravopisu pro titulky
- Stable Video Diffusion provádí odšumování v jakém prostoru, aby ušetřilo výpočetní výkon?
- Surový prostor pixelů v plném rozlišení
- Pouze frekvenční doména
- Stlačený latentní prostor
- Prostor pro textový token
- What was significant about SVD’s research release?
- It removed all license conditions
- It was accessible only as a closed cloud API
- It released audio weights but no video model
- It made code and model weights available for research and adaptation under their license terms
- Kolik snímků přibližně generují veřejné kontrolní body SVD?
- Přibližně 14 až 25 snímků
- Přesně 1 rám
- Několik tisíc snímků
- Nepřetržitý neomezený proud
- Jaký tréninkový přístup zdůraznila Stability AI pro SVD?
- Jediný jednorázový tréninkový běh na náhodných klipech
- Postupný recept: příprava obrazu, příprava videa a následné jemné doladění ve vysoké kvalitě
- Trénink pouze na statických snímcích
- Vůbec žádný předtrénink
- What downstream video adaptation does the SVD paper discuss using LoRA?
- Speaker-identity adaptation for audio
- Automatic SQL generation
- Camera-motion-specific adaptation
- Dependency-label prediction
- What additional visual-generation capability did the SVD paper explore from its base model?
- Generating a dependency parse for every frame
- Separating a song into instrument stems
- Estimating speech intelligibility
- Fine-tuning a model to jointly generate multiple views of objects