Cuestionario vinculado a una guía · Medio Nivel

Prueba de generación de imágenes autorregresivas

Descubra cómo los modelos de imágenes autorregresivos codifican imágenes como secuencias de tokens y las generan paso a paso a partir de indicaciones de texto.

Rutas de guía relacionadasGeneración de imágenes autorregresivas
Pregunta 1 de 8

¿Qué significa "autoregresivo" en el contexto de la generación de imágenes?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué significa "autoregresivo" en el contexto de la generación de imágenes?
    • Cada nuevo elemento se predice condicionado a elementos generados previamente.
    • Cada nuevo elemento se predice usando solo el mensaje de texto.
    • Toda la imagen se elimina a la vez del ruido aleatorio.
    • Los píxeles se generan de forma totalmente independiente unos de otros.
  2. ¿Cómo suelen representar los modelos de imágenes autorregresivos modernos como DALL-E 1 una imagen antes de predecirla?
    • Como un único vector continuo
    • Como una cuadrícula fija de tokens discretos de un libro de códigos aprendido
    • Solo como píxeles RGB sin formato de 24 bits
    • Como una lista de formas de gráficos vectoriales.
  3. ¿Qué primeros modelos generaban imágenes un píxel sin procesar a la vez?
    • GAN y VAE
    • Difusión e Imagen Estables
    • PixelRNN y PixelCNN
    • CLIP y BLIP
  4. ¿Qué mecanismo garantiza que un Transformer solo atienda los tokens anteriores durante la generación autorregresiva?
    • Abandono
    • Normalización por lotes
    • Saltar conexiones
    • Autoatención causal (enmascarada)
  5. ¿Cuál es el principal inconveniente práctico del muestreo de imágenes autorregresivo?
    • El muestreo es secuencial y por lo tanto lento.
    • No puede estar condicionado al texto.
    • No puede modelar detalles finos
    • No requiere datos de entrenamiento
  6. ¿Qué técnica acelera la generación de imágenes basadas en tokens al predecir muchos tokens en paralelo?
    • Maestro forzando
    • Decodificación paralela enmascarada (por ejemplo, MaskGIT/Muse)
    • Recorte de degradado
    • Codificación one-hot
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs