Mit dem Guide verknüpftes Quiz · Mittel Ebene

Klassifikatorfreies Orientierungsquiz

Überprüfen Sie die klassifikatorfreie Anleitung, den bedingten Dropout, den Kompromiss zwischen Qualität und Diversität, die Inferenzkosten und die Anleitungsskala. Überprüfen Sie den Umfang und die Annahmen.

Verwandte FührungspfadeKostenlose Anleitung zum Klassifikator
Frage 1 von 8

Why do diffusion models apply classifier-free guidance?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Why do diffusion models apply classifier-free guidance?
    • Um zu verstärken, wie genau die Ausgabe der Konditionierungsaufforderung folgt
    • Um das Modell auf eine kleinere Größe zu komprimieren
    • Um den Text-Encoder vollständig zu entfernen
    • Um Bilder in Audio umzuwandeln
  2. Wie lernt ein Modell, bedingungslose Vorhersagen für eine klassifikatorfreie Führung zu treffen?
    • Durch das Training eines zweiten separaten Klassifikators
    • Durch zufälliges Absenken der Kondition während des Trainings
    • Indem nur schwarze Bilder verwendet werden
    • Durch Deaktivieren der GPU
  3. Was bewirkt eine Erhöhung der Leitlinienskala im Allgemeinen?
    • Verbessert immer die Vielfalt
    • Entfernt den Einfluss der Eingabeaufforderung
    • Verstärkt die sofortige Adhärenz, kann jedoch zu einer Übersättigung führen
    • Macht das Bild in Graustufen
  4. Wie viele Vorwärtsdurchgänge pro Entrauschungsschritt sind für die standardmäßige klassifikatorfreie Führung ungefähr erforderlich?
    • Null
    • Zehn
    • Einhundert
    • Zwei (eine bedingte, eine unbedingte)
  5. Welchen Vorteil hat die klassifikatorfreie Führung gegenüber der Klassifikatorführung?
    • Es ist kein separat trainierter Klassifikator erforderlich
    • Es sind mehr Trainingsdaten erforderlich
    • Es funktioniert nur bei Textmodellen
    • Es eliminiert den Diffusionsprozess
  6. In the common classifier-free guidance formula, what does guidance scale s=0 produce?
    • The conditional prediction with extra amplification
    • The unconditional model prediction without conditioning
    • A prediction from a separately trained classifier
    • A sample with all denoising removed
  7. How does classifier-free guidance combine model outputs at inference?
    • It combines two image classifiers
    • It removes the conditional prompt
    • It combines conditional and unconditional score estimates
    • It adds a learned reward model after decoding
  8. What does a guidance scale of 1 generally correspond to in the common formulation?
    • The unconditional prediction only
    • A classifier-based gradient
    • A zero-noise image
    • The conditional prediction without extra guidance amplification