Kvíz spojený s průvodcem · Střední úroveň
Jednorázový editační kvíz Tune-A-Video
Vyzkoušejte, jak Tune-A-Video přizpůsobuje model šíření obrazu pomocí jednoho videa, dočasné pozornosti, inverze a textově řízených úprav.
Otázka 1 z 8
Z jakého základního modelu Tune-A-Video začíná, než jej přizpůsobí pro video?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Z jakého základního modelu Tune-A-Video začíná, než jej přizpůsobí pro video?
- Předtrénovaný model šíření textu do obrázku, jako je Stable Diffusion
- Velký jazykový model
- Videomodel trénovaný od nuly na milionech klipů
- Generátor obrázků založený na GAN
- Co znamená „one-shot“ v Tune-A-Video?
- Generování v jediném kroku odšumování
- Ladění pouze jednoho zdrojového videa
- Použití jedné výzvy pro celou datovou sadu
- Běží na jediném GPU
- How does Tune-A-Video’s sparse causal attention connect video frames?
- Frames are generated fully independently
- Every frame is averaged into one image
- Each frame can attend to the first frame and the preceding frame
- Attention is disabled across all frames
- What does DDIM inversion provide before Tune-A-Video samples an edit?
- A compressed audio track
- A new video caption
- A camera calibration file
- A source-conditioned latent that guides generation from the input video
- Co během ladění Tune-A-Video primárně aktualizuje, aby zůstalo efektivní?
- Malý soubor parametrů pozornosti/času
- Každá váha v plném modelu
- Pouze slovní zásoba kodéru textu
- Pouze dekodér obrazu
- What limitation motivated later tuning-free video-editing methods?
- It can only edit audio
- Tune-A-Video requires per-video tuning before editing a new clip
- It supports no text prompt
- It was trained only on black-and-white images
- Which editing capability did the Tune-A-Video paper demonstrate?
- Automatic speech-quality scoring
- 3D camera-pose recovery from photos
- Text-guided style transfer on a source video
- Instrument-stem separation
- Which content change can Tune-A-Video apply to a source clip using text?
- Measuring packet latency
- Estimating pitch from a monophonic signal
- Recovering 3D scene geometry from uncalibrated photos
- Changing a subject or background while trying to retain source motion