Quiz zu Konsistenzmodellen

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

1. Welches Kernproblem bei Diffusionsmodellen lösen Konsistenzmodelle?
   • Die Diffusionsprobenahme ist langsam, da viele iterative Schritte erforderlich sind
   • Durch Diffusion können keine Farbbilder erzeugt werden
   • Die Diffusion verbraucht zu wenig Speicher
   • Die Verbreitung funktioniert nur bei Text
2. Welche „Selbstkonsistenz“-Eigenschaft sollen diese Modelle erfüllen?
   • Jedes Bild muss die gleiche Farbe haben
   • Jeder Punkt auf einer Noise-to-Data-Trajektorie ist demselben sauberen Endpunkt zugeordnet
   • Das Modell muss mit einem menschlichen Etikettierer übereinstimmen
   • Der Ausgang muss dem Eingangsrauschen entsprechen
3. Welche Randbedingung muss die Konsistenzfunktion zum Zeitpunkt Null erfüllen?
   • Es muss reines Rauschen ausgeben
   • Es muss ein schwarzes Bild ausgegeben werden
   • Es muss als Identität fungieren (die Eingabe unverändert zurückgeben)
   • Es muss der Datensatzdurchschnitt ausgegeben werden
4. Wie kann aus einem bestehenden Diffusionsmodell ein Konsistenzmodell erstellt werden?
   • Durch zufälliges Löschen der Hälfte seiner Ebenen
   • Durch die Umwandlung in einen Entscheidungsbaum
   • Indem es nur auf Textdaten trainiert wird
   • Durch Konsistenzdestillation des vorab trainierten Diffusionsmodells
5. Welche Technik stabilisiert das Konsistenztraining durch die Bereitstellung von Lernzielen?
   • Ein Zielnetzwerk, das als exponentieller gleitender Durchschnitt aktualisiert wird
   • Zufälliges Löschen der Verlustfunktion
   • Verdoppelung der Lernrate bei jedem Schritt
   • Verwendung nur eines Trainingsbildes
6. How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
   • Hundreds of steps in every setting
   • Two to four sampling steps
   • Exactly one training epoch
   • No sampling or model evaluation
7. What are two training routes introduced for consistency models?
   • Only supervised image classification
   • Only adversarial training with a discriminator
   • Consistency distillation from a pretrained diffusion model and standalone consistency training
   • Token prediction and masked language modeling
8. Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
   • Speech diarization and speaker verification
   • Machine translation and summarization
   • Database query planning and code completion
   • Inpainting, colorization and super-resolution