Quiz de décodage de jetons parallèles MaskGIT

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

1. Comment MaskGIT décode-t-il les jetons d'image différemment du transformateur de VQGAN ?
   • Il prédit les jetons en parallèle et affine en quelques étapes
   • Il prédit un jeton à la fois dans l'ordre raster
   • Il n'utilise aucun transformateur
   • Il génère uniquement du texte
2. Quel objectif de formation MaskGIT emprunte-t-il aux modèles de langage ?
   • Prédiction du mot suivant uniquement
   • Prédiction de jetons masqués, comme BERT
   • Classement des images
   • Apprentissage par renforcement à partir des commentaires humains
3. Lors de la génération, quels jetons MaskGIT valide-t-il à chaque itération ?
   • Les moins confiants
   • Jetons aléatoires
   • Les prédictions les plus fiables
   • Tous les jetons en même temps à la première étape
4. In the original MaskGIT generation examples, roughly how many refinement iterations were often used?
   • Exactly one iteration for every image and task
   • Hundreds of sequential token predictions
   • A fixed number that cannot be changed by the user
   • About 8 to 12 in those reported configurations
5. Quel calendrier contrôle le nombre de jetons que MaskGIT révèle à chaque étape ?
   • Un programme de masquage cosinus
   • Une règle uniquement linéaire révélant tout d'un coup
   • Aucun horaire ; c'est aléatoire
   • Un jeton fixe par étape
6. Pourquoi l'attention bidirectionnelle aide-t-elle MaskGIT ?
   • Il cache l'image du modèle
   • Il permet à chaque jeton de voir l'intégralité de l'image partielle pour un meilleur contexte
   • Il ne regarde que les jetons précédents
   • Cela supprime le besoin de jetons
7. What token grid does MaskGIT begin with when generating an image?
   • A fully decoded image that only needs color correction
   • A left-to-right stream with no masked positions
   • A grid with every image token masked
   • A grid of text embeddings from the prompt only
8. How can MaskGIT fill a masked region during image inpainting?
   • Discard the observed image and generate an unrelated full image
   • Use only a left-to-right text decoder with no image tokens
   • Replace every visible token with a random codebook entry
   • Keep observed image tokens as context and iteratively predict the masked positions