Quiz lié à un guide · Moyen Niveau

Quiz de génération d'images autorégressives

Découvrez comment les modèles d'images autorégressifs codent les images sous forme de séquences de jetons et les génèrent étape par étape à partir d'invites textuelles.

Chemins de guidage associésGénération d'images autorégressives
Question 1 de 8

Que signifie « autorégressif » dans le contexte de la génération d’images ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Que signifie « autorégressif » dans le contexte de la génération d’images ?
    • Chaque nouvel élément est prédit en fonction des éléments générés précédemment
    • Chaque nouvel élément est prédit en utilisant uniquement l'invite de texte
    • L'image entière est immédiatement débruitée du bruit aléatoire
    • Les pixels sont générés de manière totalement indépendante les uns des autres
  2. Comment les modèles d’images autorégressifs modernes comme DALL-E 1 représentent-ils généralement une image avant de la prédire ?
    • En tant que vecteur continu unique
    • En tant que grille fixe de jetons discrets provenant d'un livre de codes appris
    • En tant que pixels RVB 24 bits bruts uniquement
    • Sous forme de liste de formes graphiques vectorielles
  3. Quels premiers modèles généraient des images un pixel brut à la fois ?
    • GAN et VAE
    • Diffusion et image stables
    • PixelRNN et PixelCNN
    • CLIP et BLIP
  4. Quel mécanisme garantit qu'un Transformer ne s'occupe que des jetons antérieurs lors de la génération autorégressive ?
    • Abandon
    • Normalisation par lots
    • Ignorer les connexions
    • Attention personnelle causale (masquée)
  5. Quel est le principal inconvénient pratique de l’échantillonnage d’images autorégressif ?
    • L'échantillonnage est séquentiel et donc lent
    • Il ne peut pas être conditionné au texte
    • Il ne peut pas modéliser les détails fins
    • Il ne nécessite aucune donnée de formation
  6. Quelle technique accélère la génération d'images basées sur des jetons en prédisant de nombreux jetons en parallèle ?
    • Forçage des enseignants
    • Décodage parallèle masqué (par exemple, MaskGIT/Muse)
    • Découpage de dégradé
    • Encodage à chaud
  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