गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

ट्यून-ए-वीडियो वन-शॉट संपादन प्रश्नोत्तरी

परीक्षण करें कि ट्यून-ए-वीडियो एक वीडियो, अस्थायी ध्यान, व्युत्क्रम और पाठ-निर्देशित संपादन का उपयोग करके एक छवि प्रसार मॉडल को कैसे अनुकूलित करता है।

संबंधित मार्गदर्शक पथएक वीडियो वन शॉट संपादन ट्यून करें
प्रश्न 1 का 8

ट्यून-ए-वीडियो को वीडियो के लिए अनुकूलित करने से पहले यह किस आधार मॉडल से शुरू होता है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

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

  1. ट्यून-ए-वीडियो को वीडियो के लिए अनुकूलित करने से पहले यह किस आधार मॉडल से शुरू होता है?
    • स्टेबल डिफ्यूजन जैसा पूर्व-प्रशिक्षित टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल
    • एक बड़ा भाषा मॉडल
    • एक वीडियो मॉडल को लाखों क्लिपों पर शुरुआत से प्रशिक्षित किया गया
    • एक GAN-आधारित छवि जनरेटर
  2. ट्यून-ए-वीडियो में 'वन-शॉट' क्या संदर्भित करता है?
    • एकल निरूपण चरण में उत्पन्न करना
    • केवल एक स्रोत वीडियो पर ट्यूनिंग
    • संपूर्ण डेटासेट के लिए एक प्रॉम्प्ट का उपयोग करना
    • एक ही GPU पर चल रहा है
  3. How does Tune-A-Video’s sparse causal attention connect video frames?
    • Frames are generated fully independently
    • Every frame is averaged into one image
    • Each frame can attend to the first frame and the preceding frame
    • Attention is disabled across all frames
  4. What does DDIM inversion provide before Tune-A-Video samples an edit?
    • A compressed audio track
    • A new video caption
    • A camera calibration file
    • A source-conditioned latent that guides generation from the input video
  5. ट्यूनिंग के दौरान, कुशल बने रहने के लिए ट्यून-ए-वीडियो मुख्य रूप से क्या अपडेट करता है?
    • ध्यान/अस्थायी मापदंडों का एक छोटा सा सेट
    • पूरे मॉडल में हर वजन
    • केवल पाठ एनकोडर शब्दावली
    • केवल छवि डिकोडर
  6. What limitation motivated later tuning-free video-editing methods?
    • It can only edit audio
    • Tune-A-Video requires per-video tuning before editing a new clip
    • It supports no text prompt
    • It was trained only on black-and-white images
  7. Which editing capability did the Tune-A-Video paper demonstrate?
    • Automatic speech-quality scoring
    • 3D camera-pose recovery from photos
    • Text-guided style transfer on a source video
    • Instrument-stem separation
  8. Which content change can Tune-A-Video apply to a source clip using text?
    • Measuring packet latency
    • Estimating pitch from a monophonic signal
    • Recovering 3D scene geometry from uncalibrated photos
    • Changing a subject or background while trying to retain source motion