Quiz lié à un guide · Moyen Niveau

Google Quiz sur les images

Découvrez comment Imagen conditionne la diffusion sur le texte, améliore les détails de l'image et utilise le guidage et le seuillage lors de la génération.

Chemins de guidage associésGoogle Image
Question 1 de 8

Sur quel type de modèle génératif Google Imagen est-il construit ?

Prévisualisez chaque question8 des questions

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

  1. Sur quel type de modèle génératif Google Imagen est-il construit ?
    • Un modèle de diffusion
    • Un réseau contradictoire génératif (GAN)
    • Un auto-encodeur variationnel uniquement
    • Un moteur de rendu basé sur des règles
  2. L’une des principales conclusions de l’article original d’Imagen était que la mise à l’échelle de quel composant améliorait le plus les résultats ?
    • Le réseau de diffusion d'images
    • L'encodeur de texte figé (modèle de langage)
    • La taille du lot de formation
    • Le nombre de canaux de couleur
  3. Which improvement did Google announce for Imagen 4 in the Gemini app?
    • Enregistrer des fichiers au format PNG
    • Générer du son
    • Improved text rendering in generated images
    • Compresser des images
  4. L'architecture originale d'Imagen utilisait une cascade qui commençait par générer une image à quelle résolution ?
    • 1024x1024
    • 512x512
    • 4096x4096
    • 64x64
  5. What did Google DeepMind say SynthID does for images generated with Imagen on Vertex AI?
    • Embeds an imperceptible watermark in image pixels to help identify likely Imagen output
    • Converts all images to a new file format
    • Provides a GPU chip for image training
    • Translates the prompt language
  6. Par quelle plate-forme Google les développeurs peuvent-ils accéder à Imagen pour leurs propres applications ?
    • Google Feuilles
    • Sommet AI
    • Google Cartes
    • Outils de développement Chrome
  7. What issue does dynamic thresholding address in Imagen's sampling process?
    • The model having too few text tokens in its prompt
    • The training set containing too many image resolutions
    • Pixel values becoming oversaturated when classifier-free guidance is high
    • The tokenizer splitting a word into subwords
  8. What does classifier-free guidance do during Imagen sampling?
    • Selects a class label after the image is complete
    • Upscales the image without conditioning on its prompt
    • Replaces the noise-prediction model with a fixed image lookup
    • Combines conditional and unconditioned predictions to steer generation toward the prompt