Mit dem Guide verknüpftes Quiz · Mittel Ebene

MaskGIT Parallel-Token-Dekodierungsquiz

Sehen Sie sich das MaskGIT-Training für maskierte Token und die iterative parallele Dekodierung an, einschließlich des konfidenzbasierten Remaskierungsplans und des bidirektionalen Kontexts.

Verwandte FührungspfadeParallele Maskgit-Token-Dekodierung
Frage 1 von 8

Wie dekodiert MaskGIT Bild-Tokens anders als der VQGAN-Transformer?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Wie dekodiert MaskGIT Bild-Tokens anders als der VQGAN-Transformer?
    • Es prognostiziert Token parallel und verfeinert sie in wenigen Schritten
    • Es sagt jeweils einen Token in Rasterreihenfolge voraus
    • Es wird kein Transformator verwendet
    • Es wird nur Text generiert
  2. Welches Trainingsziel übernimmt MaskGIT von Sprachmodellen?
    • Vorhersage nur für das nächste Wort
    • Maskierte Token-Vorhersage, wie BERT
    • Bildklassifizierung
    • Verstärkendes Lernen aus menschlichem Feedback
  3. Welche Token schreibt MaskGIT während der Generierung bei jeder Iteration fest?
    • Die mit dem geringsten Vertrauen
    • Zufällige Token
    • Die Prognosen mit der höchsten Zuverlässigkeit
    • Alle Token auf einmal in Schritt eins
  4. In the original MaskGIT generation examples, roughly how many refinement iterations were often used?
    • Exactly one iteration for every image and task
    • Hundreds of sequential token predictions
    • A fixed number that cannot be changed by the user
    • About 8 to 12 in those reported configurations
  5. Welcher Zeitplan steuert, wie viele Token MaskGIT bei jedem Schritt offenlegt?
    • Ein Cosinus-Maskierungsplan
    • Eine rein lineare Regel, die alles auf einmal enthüllt
    • Kein Zeitplan; es ist zufällig
    • Ein fester Token pro Schritt
  6. Warum hilft bidirektionale Aufmerksamkeit MaskGIT?
    • Es verbirgt das Bild vor dem Modell
    • Dadurch kann jeder Token das gesamte Teilbild sehen, um einen besseren Kontext zu erhalten
    • Es werden nur frühere Token betrachtet
    • Dadurch entfällt die Notwendigkeit jeglicher Token
  7. What token grid does MaskGIT begin with when generating an image?
    • A fully decoded image that only needs color correction
    • A left-to-right stream with no masked positions
    • A grid with every image token masked
    • A grid of text embeddings from the prompt only
  8. How can MaskGIT fill a masked region during image inpainting?
    • Discard the observed image and generate an unrelated full image
    • Use only a left-to-right text decoder with no image tokens
    • Replace every visible token with a random codebook entry
    • Keep observed image tokens as context and iteratively predict the masked positions