स्कोर-आधारित जनरेटिव मॉडल प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. वास्तव में वह 'स्कोर' क्या है जो ये मॉडल सीखते हैं?
   • इनपुट के संबंध में लॉग-संभावना घनत्व का ग्रेडिएंट
   • प्रत्येक छवि के लिए 0 से 100 तक की गुणवत्ता रेटिंग
   • पूर्ण किए गए प्रशिक्षण युगों की संख्या
   • डेटा बिंदु का वर्गीकरण लेबल
2. स्कोर-आधारित मॉडल को कई स्तरों पर शोर से दूषित डेटा पर प्रशिक्षित क्यों किया जाता है?
   • छवियों को कलात्मक दिखाने के लिए
   • क्योंकि स्कोर का अनुमान लगाना कठिन है जहां स्वच्छ डेटा विरल है, और उन क्षेत्रों में शोर भर जाता है
   • डेटासेट का फ़ाइल आकार कम करने के लिए
   • क्योंकि शोर GPU को गति देता है
3. प्रारंभिक स्कोर-आधारित मॉडल डेटा उत्पन्न करने के लिए किस नमूनाकरण प्रक्रिया का उपयोग करते थे?
   • एक निश्चित लक्ष्य छवि की ओर पिक्सेल पर क्रमिक अवतरण
   • एक एकल मैट्रिक्स गुणन
   • लैंग्विन गतिकी - शोर जोड़ते हुए स्कोर के साथ आगे बढ़ना
   • बेतरतीब ढंग से काटना और पलटना
4. 2021 स्कोर-एसडीई पेपर ने कौन सा प्रमुख संबंध स्थापित किया?
   • वह GAN हमेशा प्रसार से बेहतर होते हैं
   • वह तंत्रिका नेटवर्क छवियों का मॉडल नहीं बना सकता
   • वह स्कोर मॉडल केवल दो आयामों में काम करते हैं
   • वह प्रसार मॉडल और स्कोर-आधारित मॉडल एक ही निरंतर एसडीई प्रक्रिया के दो दृश्य हैं
5. शोर की भविष्यवाणी का संबंध डीनोइज़िंग स्कोर मिलान में स्कोर की भविष्यवाणी से कैसे है?
   • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
   • Noise prediction and score estimation are unrelated
   • शोर की भविष्यवाणी करना असंभव है
   • शोर वाले डेटा के लिए स्कोर हमेशा शून्य होता है
6. नियतात्मक 'संभावना प्रवाह ODE' क्या सक्षम बनाता है जो शुद्ध स्टोकेस्टिक नमूनाकरण आसानी से प्रदान नहीं करता है?
   • उच्च GPU बिजली की खपत
   • सटीक संभावना गणना और एक नियतात्मक नमूना पथ
   • स्वचालित डेटासेट लेबलिंग
   • किसी भी तंत्रिका नेटवर्क की आवश्यकता को हटाना
7. In score-based generation, what does the reverse-time SDE do?
   • It converts image labels into captions
   • It adds noise to an already generated output only
   • It transforms a prior noise distribution back toward the data distribution
   • It estimates the class label of each pixel
8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
   • Use the prior alone and ignore measured k-space data
   • Combine the learned score prior with the measurement constraint during posterior sampling
   • Replace all measurements with random noise
   • Treat the score as a diagnosis of the patient