Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ Μοντέλων Συνέπειας

Κατανοήστε πώς τα μοντέλα συνέπειας μαθαίνουν τη δημιουργία ενός βήματος ή λίγων βημάτων από τις τροχιές διάχυσης και τους περιορισμούς ορίων.

Σχετικές διαδρομές οδηγώνΜοντέλα Συνέπειας
Ερώτηση 1 του 8

Ποιο βασικό πρόβλημα με τα μοντέλα διάχυσης αντιμετωπίζουν τα μοντέλα συνέπειας;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιο βασικό πρόβλημα με τα μοντέλα διάχυσης αντιμετωπίζουν τα μοντέλα συνέπειας;
    • Η δειγματοληψία διάχυσης είναι αργή γιατί χρειάζεται πολλά επαναληπτικά βήματα
    • Η διάχυση δεν μπορεί να δημιουργήσει έγχρωμες εικόνες
    • Η διάχυση χρησιμοποιεί πολύ λίγη μνήμη
    • Η διάχυση λειτουργεί μόνο σε κείμενο
  2. Ποια είναι η ιδιότητα «αυτοσυνέπειας» να ικανοποιούν αυτά τα μοντέλα;
    • Κάθε εικόνα πρέπει να έχει το ίδιο χρώμα
    • Κάθε σημείο σε μια τροχιά θορύβου σε δεδομένα αντιστοιχίζεται στο ίδιο καθαρό τελικό σημείο
    • Το μοντέλο πρέπει να συμφωνεί με έναν άνθρωπο που ετικετοποιεί
    • Η έξοδος πρέπει να είναι ίση με τον θόρυβο εισόδου
  3. Ποια οριακή συνθήκη πρέπει να ικανοποιεί η συνάρτηση συνέπειας τη χρονική στιγμή μηδέν;
    • Πρέπει να παράγει καθαρό θόρυβο
    • Πρέπει να βγάζει μια μαύρη εικόνα
    • Πρέπει να λειτουργεί ως ταυτότητα (επιστρέφει την είσοδο αμετάβλητη)
    • Πρέπει να εξάγει τον μέσο όρο δεδομένων
  4. Πώς μπορεί να δημιουργηθεί ένα μοντέλο συνέπειας από ένα υπάρχον μοντέλο διάχυσης;
    • Διαγράφοντας τυχαία τα μισά στρώματά του
    • Μετατρέποντάς το σε δέντρο αποφάσεων
    • Εκπαιδεύοντάς το μόνο σε δεδομένα κειμένου
    • Με απόσταξη συνοχής του προεκπαιδευμένου μοντέλου διάχυσης
  5. Ποια τεχνική σταθεροποιεί την εκπαίδευση με συνέπεια παρέχοντας μαθησιακούς στόχους;
    • Ένα δίκτυο-στόχος που ενημερώθηκε ως εκθετικός κινητός μέσος όρος
    • Τυχαία διαγραφή της συνάρτησης απώλειας
    • Διπλασιασμός του ρυθμού εκμάθησης σε κάθε βήμα
    • Χρησιμοποιώντας μόνο μία εικόνα εκπαίδευσης
  6. How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
    • Hundreds of steps in every setting
    • Two to four sampling steps
    • Exactly one training epoch
    • No sampling or model evaluation
  7. What are two training routes introduced for consistency models?
    • Only supervised image classification
    • Only adversarial training with a discriminator
    • Consistency distillation from a pretrained diffusion model and standalone consistency training
    • Token prediction and masked language modeling
  8. Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
    • Speech diarization and speaker verification
    • Machine translation and summarization
    • Database query planning and code completion
    • Inpainting, colorization and super-resolution