Variations-Autoencoder-Quiz

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

1. Was gibt der Encoder in einem VAE für einen bestimmten Eingang aus?
   • Die Parameter einer Wahrscheinlichkeitsverteilung, wie etwa Mittelwert und Varianz
   • Ein einzelner Fixpunkt im latenten Raum
   • Ein Klassenetikett
   • Eine rekonstruierte Kopie der Eingabe
2. Was ist der Zweck des Reparametrisierungstricks?
   • Um den Decoder zu vergrößern
   • Damit Gradienten durch den Zufallsstichprobenschritt fließen können
   • Um die Notwendigkeit eines Decoders zu beseitigen
   • Um den latenten Raum weiter zu komprimieren
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. Die Zielfunktion, die VAEs während des Trainings maximieren, heißt:
   • Kreuzentropiedecke
   • Gegnerischer Verlust
   • Mittlerer quadratischer Rand
   • Evidenzuntergrenze (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Welche Rolle spielt die VAE in einem latenten Diffusionsmodell wie der stabilen Diffusion?
   • Es beschriftet die Trainingsbilder
   • Es komprimiert Bilder in einen latenten Raum, in dem die Diffusion verläuft, und dekodiert sie dann wieder in Pixel
   • Es ersetzt den Text-Encoder
   • Es plant die Geräuschpegel
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)