Mit dem Guide verknüpftes Quiz · Schwer Ebene

Quiz zu VQ-VAE und diskreten Latenten

Sehen Sie sich an, wie VQ-VAE kontinuierliche Encoder-Ausgaben diskreten Codebucheinträgen für generative Modellierung und Rekonstruktion zuordnet.

Verwandte FührungspfadeVq Vae und diskrete Latente
Frage 1 von 8

Was unterscheidet den latenten Raum von VQ-VAE von dem eines Standard-VAE?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Was unterscheidet den latenten Raum von VQ-VAE von dem eines Standard-VAE?
    • Es ist diskret und verwendet ein erlerntes Codebuch von Einbettungen
    • Es ist stetig und Gaußförmig
    • Es gibt überhaupt keinen latenten Raum
    • Es speichert Rohpixel
  2. Wie leitet VQ-VAE Gradienten durch den nicht differenzierbaren Quantisierungsschritt?
    • Die Rückausbreitung wird vollständig übersprungen
    • Mit einem Straight-Through-Schätzer, der Farbverläufe über den Quantisierer hinaus kopiert
    • Nur durch Verstärkungslernen
    • Durch Runden von Farbverläufen auf ganze Zahlen
  3. Was ist „Codebook Collapse“?
    • Der Decoder ignoriert die Latenten
    • Die Encoder-Ausgänge werden unendlich
    • Nur ein kleiner Teil der Codebucheinträge wird jemals verwendet
    • Die Bildauflösung sinkt auf Null
  4. Warum sind diskrete Latente für die generative Modellierung mit Transformers nützlich?
    • Sie verkleinern Bilder nur auf der Festplatte
    • Sie machen einen Decoder überflüssig
    • Sie entfernen jegliche Zufälligkeit aus der Erzeugung
    • Sie verwandeln Medien in Token-Sequenzen, die ein Transformer wie eine Sprache modellieren kann
  5. Was hat VQGAN zusätzlich zum VQ-VAE-Grundrezept hinzugefügt?
    • Widersprüchliche und Wahrnehmungsverluste für schärfere Rekonstruktionen
    • Ein Diffusionssammler
    • Entfernung des Codebuchs
    • Ein wiederkehrender Encoder
  6. Welcher Verlustterm hält den Encoder an die von ihm ausgewählten Codebucheinträge „gebunden“?
    • Die KL-Divergenz
    • Der Engagementverlust
    • Der Kreuzentropieverlust
    • Der Triplettverlust
  7. What kind of prior does the original VQ-VAE paper learn over its discrete codes?
    • A fixed prior that is never learned
    • A prior over camera locations only
    • A learned prior over the discrete code sequence
    • No prior or decoder distribution
  8. Which text-to-image paper used a discrete VAE to tokenize images before autoregressive generation?
    • The original Whisper speech-recognition paper
    • A paper on Kalman-filter vehicle tracking
    • The original BERT masked-language-model paper
    • The original DALL·E paper