Útmutatóhoz kapcsolódó kvíz · Közepes Szint
GigaGAN méretezett generátorok kvíz
Explore GigaGAN's text-conditioned architecture, generation speed, multi-scale discriminator, latent editing, and separate high-resolution upsampler.
kérdés 1 -ból 8
What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
- 1.0 billion total across the 652.5M base generator and 359.1M upsampler
- 70 million total across a 64M generator and 6M discriminator
- 1.0 billion in the base generator alone, with no upsampler
- 3.5 billion total across two text encoders
- Mi a GigaGAN fő sebességelőnye a diffúziós modellekkel szemben?
- Nem kell hozzá GPU
- Sok zajcsökkentési lépés helyett egyetlen előremenetben hoz létre képet
- Egy másodperc alatt edz
- Nem használ neurális hálózatot
- Mit csinál a GigaGAN „minta-adaptív kernelkiválasztása”?
- Törli a fel nem használt képpontokat
- JPEG formátumba tömöríti a képet
- Konvolúciós szűrőket kever össze a szöveges promptból származó súlyok segítségével
- Automatikusan kiválasztja a GPU-t
- Hogyan építi be a GigaGAN a szöveges információkat a képgenerálásba?
- A prompt levágásával
- Teljesen figyelmen kívül hagyja a szöveget
- A szöveget a képre nyomtatva
- A szövegbeágyazásokra és a hozzáillő CLIP-funkciókra való keresztirányú figyelem révén
- Milyen extra képességet biztosít a GigaGAN az alapgeneráción túl?
- Különálló GAN mintavevő, amely eléri a 4K felbontást
- Hangszintézis
- Beszédfelismerés
- Adatbázis lekérdezés
- Miért hasznos a GigaGAN látens tere a szerkesztőeszközök számára?
- Nem szerkeszthető
- Támogatja a sima interpolációt és stíluskeverést a szabályozható változtatásokhoz
- Csak szöveget tárol
- Egy használat után törli a képet
- How does GigaGAN’s image discriminator make predictions across resolutions?
- It scores only the text prompt and ignores generated images
- It predicts one label at the final resolution only
- It receives an image pyramid and predicts real or fake at multiple input and downsampling scales
- It compares generated images with a fixed set of training captions only
- What does GigaGAN’s base generator produce for later multi-scale processing?
- A single class label for the entire image
- A sequence of text tokens for an autoregressive decoder
- Only the final upsampled image, with no intermediate scales
- An image pyramid with outputs at several resolutions