Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur stabilen Videoverbreitung

Machen Sie sich mit den Bild-zu-Video-Kontrollpunkten, den zeitlichen Schichten, dem gestaffelten Training und den Modelllizenzbeschränkungen von Stable Video Diffusion vertraut.

Verwandte FührungspfadeStabile Videoverbreitung
Frage 1 von 8

What input does a public Stable Video Diffusion image-to-video checkpoint use?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. What input does a public Stable Video Diffusion image-to-video checkpoint use?
    • Ein einzelnes Standbild
    • Eine 3D-Mesh-Datei
    • Nur ein Volltextdrehbuch
    • Eine Mikrofonaufnahme
  2. Was hat SVD zur Stable Diffusion-Architektur für Standbilder hinzugefügt, um Bewegungen zu verarbeiten?
    • Eine größere Farbpalette
    • Zeitliche Schichten, die Frames im Laufe der Zeit verbinden
    • Audiosynthesemodule
    • Eine Rechtschreibprüfung für Bildunterschriften
  3. In welchem Raum führt Stable Video Diffusion die Rauschunterdrückung durch, um Rechenleistung zu sparen?
    • Roher Pixelraum in voller Auflösung
    • Nur der Frequenzbereich
    • Ein komprimierter latenter Raum
    • Ein Text-Token-Bereich
  4. What was significant about SVD’s research release?
    • It removed all license conditions
    • It was accessible only as a closed cloud API
    • It released audio weights but no video model
    • It made code and model weights available for research and adaptation under their license terms
  5. Wie viele Frames generieren die öffentlichen Kontrollpunkte von SVD normalerweise ungefähr?
    • Etwa 14 bis 25 Bilder
    • Genau 1 Frame
    • Mehrere tausend Frames
    • Ein unbegrenzter kontinuierlicher Stream
  6. Welchen Trainingsansatz hat Stability AI für SVD hervorgehoben?
    • Ein einzelner One-Shot-Trainingslauf mit zufälligen Clips
    • Ein inszeniertes Rezept: Bild-Vortraining, Video-Vortraining, dann hochwertige Feinabstimmung
    • Training nur an Standbildern
    • Überhaupt kein Vortraining
  7. What downstream video adaptation does the SVD paper discuss using LoRA?
    • Speaker-identity adaptation for audio
    • Automatic SQL generation
    • Camera-motion-specific adaptation
    • Dependency-label prediction
  8. What additional visual-generation capability did the SVD paper explore from its base model?
    • Generating a dependency parse for every frame
    • Separating a song into instrument stems
    • Estimating speech intelligibility
    • Fine-tuning a model to jointly generate multiple views of objects