Cuestionario vinculado a una guía · Medio Nivel

Prueba de difusión de vídeo estable

Comprenda los puntos de control de imagen a video, las capas temporales, el entrenamiento por etapas y los límites de la licencia de modelo de Stable Video Diffusion.

Rutas de guía relacionadasDifusión de vídeo estable
Pregunta 1 de 8

What input does a public Stable Video Diffusion image-to-video checkpoint use?

Vista previa de cada pregunta8 preguntas

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

  1. What input does a public Stable Video Diffusion image-to-video checkpoint use?
    • Una sola imagen fija
    • Un archivo de malla 3D
    • Solo un guión de texto completo.
    • Una grabación con micrófono
  2. ¿Qué añadió SVD a la arquitectura de difusión estable de imágenes fijas para manejar el movimiento?
    • Una paleta de colores más amplia
    • Capas temporales que conectan fotogramas a lo largo del tiempo.
    • Módulos de síntesis de audio
    • Un corrector ortográfico para subtítulos
  3. ¿La difusión de video estable realiza su eliminación de ruido en qué tipo de espacio para ahorrar cómputo?
    • Espacio de píxeles sin procesar de resolución completa
    • Sólo el dominio de la frecuencia.
    • Un espacio latente comprimido
    • Un espacio de token de texto
  4. What was significant about SVD’s research release?
    • It removed all license conditions
    • It was accessible only as a closed cloud API
    • It released audio weights but no video model
    • It made code and model weights available for research and adaptation under their license terms
  5. ¿Aproximadamente cuántos fotogramas suelen generar los puntos de control públicos de SVD?
    • Alrededor de 14 a 25 cuadros
    • exactamente 1 fotograma
    • Varios miles de fotogramas
    • Un flujo continuo ilimitado
  6. ¿Qué enfoque de entrenamiento enfatizó Stability AI para SVD?
    • Un entrenamiento único ejecutado en clips aleatorios
    • Una receta por etapas: preentrenamiento de imagen, preentrenamiento de video y luego ajuste fino de alta calidad
    • Entrenamiento solo en imágenes fijas
    • Sin ningún tipo de entrenamiento previo
  7. What downstream video adaptation does the SVD paper discuss using LoRA?
    • Speaker-identity adaptation for audio
    • Automatic SQL generation
    • Camera-motion-specific adaptation
    • Dependency-label prediction
  8. What additional visual-generation capability did the SVD paper explore from its base model?
    • Generating a dependency parse for every frame
    • Separating a song into instrument stems
    • Estimating speech intelligibility
    • Fine-tuning a model to jointly generate multiple views of objects