Quiz lié à un guide · Facile Niveau

Quiz sur les GAN conditionnels

Vérifie comment les entrées conditionnelles guident les deux réseaux GAN, comment les discriminateurs évaluent les paires appariées et comment le conditionnement peut être injecté.

Chemins de guidage associésGAN conditionnels
Question 1 de 8

Quelle est la principale différence entre un GAN conditionnel et un GAN standard ?

Prévisualisez chaque question8 des questions

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

  1. Quelle est la principale différence entre un GAN conditionnel et un GAN standard ?
    • Il fournit des informations supplémentaires, comme une étiquette de classe, aux deux réseaux pour contrôler la sortie.
    • Il utilise deux générateurs
    • Il supprime le discriminateur
    • Cela ne fonctionne que sur le texte, pas sur les images
  2. Dans un cGAN formé sur des chiffres étiquetés, que pouvez-vous faire qu'un GAN simple ne peut pas faire ?
    • Fonctionne sans aucune entrée de bruit
    • Demander un chiffre spécifique tel qu'un « 7 »
    • Ignorer complètement le discriminateur
    • Générez uniquement du bruit en noir et blanc
  3. Que doit vérifier le discriminateur cGAN, au-delà de savoir si une image semble réelle ?
    • Le format de fichier de l'image
    • La résolution en mégapixels
    • Si l'image correspond à son étiquette donnée
    • Le taux d’apprentissage de la formation
  4. Quelle est la manière courante de fournir le signal de conditionnement au générateur ?
    • Suppression du vecteur de bruit
    • Une formation sans étiquette
    • Utilisation d'un capteur physique séparé
    • Concaténation de l'étiquette à l'entrée de bruit
  5. Les GAN conditionnels ont jeté les bases de quelle capacité ultérieure ?
    • Génération de texte à image et d'image à image
    • Processeurs plus rapides
    • Filtrage des courriers indésirables
    • Indexation de base de données
  6. Dans les modèles de diffusion modernes, l’idée de conditionnement cGAN apparaît souvent comme quel mécanisme ?
    • Découpe de poids aléatoire
    • Attention croisée sur une invite de texte
    • Peinture manuelle des pixels uniquement
    • Désactiver le programme de bruit
  7. Why must a conditional discriminator see both the generated image and its conditioning label?
    • It uses the label to choose the learning-rate schedule
    • It converts the label into a random noise seed only
    • It needs to judge whether the image is realistic and whether it matches the requested condition
    • It prevents the generator from receiving noise
  8. Besides concatenating a class label to the noise vector, which conditioning method is described in the guide?
    • A spectral-radius constraint
    • An inverse Hessian update
    • A sequence-level BLEU reward
    • A projection layer that scores compatibility between label and image features