Quiz sur les modèles de cohérence

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

1. À quel problème central des modèles de diffusion les modèles de cohérence répondent-ils ?
   • L'échantillonnage par diffusion est lent car il nécessite de nombreuses étapes itératives
   • La diffusion ne peut pas générer d'images couleur
   • La diffusion utilise trop peu de mémoire
   • La diffusion ne fonctionne que sur le texte
2. Quelle est la propriété d'« auto-cohérence » pour laquelle ces modèles sont formés ?
   • Chaque image doit être de la même couleur
   • Chaque point d'une trajectoire bruit-données correspond au même point final propre
   • Le modèle doit être en accord avec un étiqueteur humain
   • La sortie doit être égale au bruit d'entrée
3. Quelle condition aux limites la fonction de cohérence doit-elle satisfaire au temps zéro ?
   • Il doit produire du bruit pur
   • Il doit produire une image noire
   • Il doit faire office d'identité (renvoyer l'entrée inchangée)
   • Il doit afficher la moyenne de l'ensemble de données
4. Comment créer un modèle de cohérence à partir d’un modèle de diffusion existant ?
   • En supprimant la moitié de ses calques au hasard
   • En le convertissant en arbre de décision
   • En l'entraînant uniquement sur des données texte
   • Par distillation de cohérence du modèle de diffusion pré-entraîné
5. Quelle technique stabilise la cohérence de l’entraînement en fournissant des objectifs d’apprentissage ?
   • Un réseau cible mis à jour sous forme de moyenne mobile exponentielle
   • Suppression aléatoire de la fonction de perte
   • Doubler le taux d'apprentissage à chaque étape
   • Utiliser une seule image de formation
6. How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
   • Hundreds of steps in every setting
   • Two to four sampling steps
   • Exactly one training epoch
   • No sampling or model evaluation
7. What are two training routes introduced for consistency models?
   • Only supervised image classification
   • Only adversarial training with a discriminator
   • Consistency distillation from a pretrained diffusion model and standalone consistency training
   • Token prediction and masked language modeling
8. Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
   • Speech diarization and speaker verification
   • Machine translation and summarization
   • Database query planning and code completion
   • Inpainting, colorization and super-resolution