Cuestionario vinculado a una guía · Medio Nivel

Cuestionario sobre modelos de difusión de vídeo

Evalúe la eliminación de ruido de la difusión de vídeo, las representaciones latentes, el modelado temporal, la guía de texto y las compensaciones entre velocidad y calidad.

Rutas de guía relacionadasModelos de difusión de vídeo
Pregunta 1 de 8

¿Cuál es la idea fundamental detrás de un modelo de difusión?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Cuál es la idea fundamental detrás de un modelo de difusión?
    • Aprendiendo a revertir un proceso que poco a poco va añadiendo ruido, eliminando el ruido paso a paso
    • Copiar fotogramas de vídeos existentes
    • Comprimir audio en imágenes
    • Cifrar datos por seguridad
  2. For a video diffusion model, what does temporal modeling add to the denoising process?
    • It guarantees every object remains physically correct
    • It lets the model represent dependencies among frames over time
    • It removes the image decoder from the pipeline
    • It turns each video into one text token
  3. Why does the cited Stable Video Diffusion model use a latent representation?
    • To avoid using any learned decoder
    • To store all frames as discrete text tokens
    • To perform video diffusion on compressed latents before decoding frames
    • To guarantee there will be no flicker
  4. How did the Stable Video Diffusion paper adapt an image diffusion model for video?
    • It replaced every image layer with a speech recognizer
    • It trained only a language model on video captions
    • It removed the image model and used optical flow alone
    • It inserted temporal layers into a pretrained image model and fine-tuned them on video data
  5. ¿Qué técnica ayuda a un modelo de difusión de vídeo a seguir con firmeza una indicación de texto?
    • Orientación sin clasificador
    • Mezcla aleatoria de fotogramas
    • Bajando la resolución
    • Eliminando el mensaje por completo
  6. ¿Por qué se aplican técnicas como la destilación y solucionadores más rápidos a la difusión de vídeo?
    • Para hacer que el modelo olvide datos.
    • Porque el muestreo de eliminación de ruido de muchos pasos es lento y reducen el número de pasos
    • Para agregar más ruido permanentemente
    • Para desactivar el mensaje de texto
  7. In the Stable Video Diffusion paper, what distinguishes the SVD-XT model from the 14-frame SVD model?
    • It replaces diffusion with autoregressive text generation
    • It removes temporal layers and generates only a still image
    • SVD-XT is fine-tuned to generate 25 frames instead of 14
    • It uses audio tokens as the only conditioning input
  8. What is one tradeoff when using fewer denoising steps through distillation or a faster solver?
    • Zero compute is required
    • The video no longer needs conditioning
    • Every result becomes temporally perfect
    • Faster generation may change fidelity or motion quality and must be evaluated