Mit dem Guide verknüpftes Quiz · Mittel Ebene

Bild 2 und belohnungsorientiertes Diffusionsquiz

Trennen Sie dokumentierte Imagen 2-Funktionen von der allgemeinen Forschung zur Belohnungsoptimierung und überprüfen Sie Bearbeitungstools, Wasserzeichen und Verbreitungskontrollen.

Verwandte FührungspfadeBild 2 und belohnungsgesteuerte Verbreitung
Frage 1 von 8

Welche zentrale generative Technik verwendet Imagen 2?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Welche zentrale generative Technik verwendet Imagen 2?
    • Diffusion, die zufälliges Rauschen in einem Bild entstört
    • Autoregressive Token-Vorhersage
    • Genetische Algorithmen
    • Regelbasiertes Vektorzeichnen
  2. In reward-tuned text-to-image research, what does a learned reward model do?
    • It removes the image diffusion process
    • It scores generated images according to patterns in human feedback
    • It converts images into shipping labels
    • It replaces the text prompt with random noise
  3. How is human-preference tuning for text-to-image models often compared with language-model alignment?
    • It is the same process as WordPiece tokenization
    • It uses only hand-written image rules
    • It is conceptually similar to reinforcement learning from human feedback (RLHF)
    • It removes all human judgments from training
  4. In the cited reward-weighted text-to-image method, what objective guides fine-tuning?
    • Minimizing image file size regardless of the prompt
    • Predicting the next text token without using image data
    • Maximizing the number of colors in every output
    • Maximizing likelihood weighted by a reward function trained on human feedback
  5. In supported Imagen 2 workflows, what does SynthID do to generated images?
    • Embedding an invisible watermark to help identify AI-generated images
    • Upscaling-Auflösung
    • Übersetzen der Eingabeaufforderung
    • Komprimieren der Datei
  6. Which Imagen 2 improvement did Google specifically report in its 2024 announcement?
    • Native generation of spoken audio
    • More realistic hands and faces and fewer distracting visual artifacts
    • A guarantee that every object count is exact
    • Replacing diffusion with autoregressive text prediction
  7. What tradeoff does classifier-free guidance control in diffusion generation?
    • Image width versus token vocabulary size
    • Watermark visibility versus font size
    • Prompt adherence versus sample diversity
    • Training data volume versus ship speed
  8. What did Google document for Imagen 2.0 on Vertex AI in 2024?
    • Real-time speech transcription
    • Automatic conversion of images into 3D CAD files
    • A guarantee of exact text rendering in every image
    • Inpainting and outpainting for photo editing