Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο
Κουίζ VQ-VAE και Discrete Latent
Εξετάστε τον τρόπο με τον οποίο το VQ-VAE αντιστοιχίζει τις συνεχείς εξόδους κωδικοποιητή σε διακριτές εγγραφές βιβλίου κωδίκων για γενετική μοντελοποίηση και ανακατασκευή.
Ερώτηση 1 του 8
Τι κάνει τον λανθάνοντα χώρο του VQ-VAE διαφορετικό από έναν τυπικό VAE;
Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις
Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.
- Τι κάνει τον λανθάνοντα χώρο του VQ-VAE διαφορετικό από έναν τυπικό VAE;
- Είναι διακριτικό, χρησιμοποιώντας ένα μαθημένο βιβλίο κωδικών ενσωματώσεων
- Είναι συνεχής και Gaussian
- Δεν έχει καθόλου λανθάνον χώρο
- Αποθηκεύει ακατέργαστα pixel
- Πώς περνάει το VQ-VAE τις διαβαθμίσεις μέσω του μη διαφοροποιήσιμου βήματος κβαντισμού;
- Παρακάμπτει εντελώς την αντίστροφη διάδοση
- Με έναν εκτιμητή ευθείας διέλευσης που αντιγράφει διαβαθμίσεις πέρα από τον κβαντιστή
- Χρησιμοποιώντας μόνο ενισχυτική μάθηση
- Στρογγυλοποιώντας τις διαβαθμίσεις σε ακέραιους αριθμούς
- Τι είναι η «σύμπτυξη βιβλίου κωδικών»;
- Ο αποκωδικοποιητής αγνοεί τα λανθάνοντα
- Οι έξοδοι του κωδικοποιητή γίνονται άπειρες
- Μόνο ένα μικρό κλάσμα καταχωρήσεων στο βιβλίο κωδικών χρησιμοποιείται ποτέ
- Η ανάλυση της εικόνας πέφτει στο μηδέν
- Γιατί είναι χρήσιμα τα διακριτά λανθάνοντα για τη γενετική μοντελοποίηση με μετασχηματιστές;
- Κάνουν τις εικόνες μικρότερες μόνο στο δίσκο
- Εξαλείφουν την ανάγκη για αποκωδικοποιητή
- Αφαιρούν κάθε τυχαιότητα από γενιά σε γενιά
- Μετατρέπουν τα μέσα σε αλληλουχίες διακριτικών που ένα Transformer μπορεί να διαμορφώσει σαν γλώσσα
- Τι πρόσθεσε το VQGAN πάνω από τη βασική συνταγή VQ-VAE;
- Αντίπαλες και αντιληπτικές απώλειες για οξύτερες ανακατασκευές
- Ένας δειγματολήπτης διάχυσης
- Αφαίρεση του βιβλίου κωδικών
- Ένας επαναλαμβανόμενος κωδικοποιητής
- Ποιος όρος απώλειας διατηρεί τον κωδικοποιητή «δεσμευμένο» στις εγγραφές του βιβλίου κωδικών που επιλέγει;
- Η απόκλιση KL
- Η απώλεια δέσμευσης
- Η απώλεια διασταυρούμενης εντροπίας
- Η απώλεια τριδύμου
- 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
- 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