Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ GLIGEN Grounded Generation

Εξερευνήστε πώς το GLIGEN προσθέτει χωρική γείωση στη διάχυση κειμένου σε εικόνα, ενώ διατηρεί τη γνώση σε ένα παγωμένο προεκπαιδευμένο μοντέλο.

Σχετικές διαδρομές οδηγώνGligen Grounded Generation
Ερώτηση 1 του 8

Ποιο πρόβλημα επιλύει πρωτίστως το GLIGEN;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιο πρόβλημα επιλύει πρωτίστως το GLIGEN;
    • Έλλειψη ακριβούς χωρικού ελέγχου για το πού εμφανίζονται τα αντικείμενα
    • Αργή ταχύτητα παραγωγής
    • Αδυναμία δημιουργίας έγχρωμων εικόνων
    • Λείπει ήχος στα βίντεο που δημιουργούνται
  2. Πώς διατηρεί το GLIGEN τη γνώση του προεκπαιδευμένου μοντέλου διάχυσης;
    • Επανεκπαιδεύει όλα τα βάρη από την αρχή
    • Παγώνει τα αρχικά βάρη και προσθέτει νέα εκπαιδευτικά κλειστά στρώματα αυτοπροσοχής
    • Διαγράφει τον κωδικοποιητή κειμένου
    • Χρησιμοποιεί ένα GAN αντί για διάχυση
  3. Τι είναι μια τυπική είσοδος γείωσης που δέχεται το GLIGEN;
    • Μουσική παρτιτούρα
    • Λίστα υπερπαραμέτρων
    • Ένα πλαίσιο οριοθέτησης σε συνδυασμό με μια οντότητα κειμένου ή εικόνας
    • Ένα υπολογιστικό φύλλο τιμών εικονοστοιχείων
  4. Γιατί η πύλη στα νέα επίπεδα προσοχής του GLIGEN έχει αρχικοποιηθεί στο μηδέν;
    • Για να δημιουργήσετε εικόνες σε κλίμακα του γκρι στην αρχή
    • Για να απενεργοποιήσετε το μήνυμα κειμένου
    • Για να μειώσετε την ανάλυση της εικόνας
    • Έτσι, η συμπεριφορά του βασικού μοντέλου διατηρείται νωρίς στην προπόνηση και ο έλεγχος προστίθεται σταδιακά
  5. Τι σημαίνει γειωμένη γενιά «ανοιχτού κόσμου» στο GLIGEN;
    • Μπορεί να γειώσει αυθαίρετες περιγραφόμενες έννοιες και διατάξεις που δεν φαίνονται κατά τη διάρκεια της εκπαίδευσης γείωσης
    • Λειτουργεί μόνο σε εσωτερικές σκηνές
    • Απαιτεί ένα τρισδιάστατο παγκόσμιο μοντέλο
    • Δημιουργεί μόνο υπαίθρια τοπία
  6. Πού εισάγονται στο U-Net τα νέα κλειστά επίπεδα αυτοπροσοχής της GLIGEN;
    • Μόνο στην έξοδο VAE
    • Μεταξύ των υφιστάμενων μπλοκ αυτοπροσοχής και διασταυρούμενης προσοχής
    • Μόνο μέσα στον κωδικοποιητή κειμένου
    • Πριν από τον προγραμματιστή θορύβου
  7. What does a GLIGEN grounding token combine?
    • A denoising timestep with a VAE decoder output
    • A color histogram with the final image resolution
    • A text or image embedding with spatial information such as a bounding box
    • A training dataset name with a classifier label
  8. Besides bounding boxes, which inputs can GLIGEN use to ground objects?
    • Only unstructured audio waveforms
    • A crop-size label without any object information
    • A list of model checkpoint filenames
    • Keypoints or reference images