Útmutatóhoz kapcsolódó kvíz · Közepes Szint
GLIGEN Földelt Generáció Kvíz
Explore how GLIGEN adds spatial grounding to text-to-image diffusion while retaining the knowledge in a frozen pretrained model.
kérdés 1 -ból 8
Milyen problémát old meg elsősorban a GLIGEN?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Milyen problémát old meg elsősorban a GLIGEN?
- Az objektumok megjelenési helyének pontos térbeli szabályozásának hiánya
- Lassú generálási sebesség
- Képtelenség színes képeket generálni
- Hiányzik a hang a generált videókból
- Hogyan őrzi meg a GLIGEN az előképzett diffúziós modell ismereteit?
- Minden súlyt a semmiből újratanít
- Lefagyasztja az eredeti súlyokat, és új, betanítható, zárt önfigyelő rétegeket ad hozzá
- Törli a szövegkódolót
- A diffúzió helyett GAN-t használ
- Milyen tipikus földelési bemenetet fogad el a GLIGEN?
- Egy kotta
- A hiperparaméterek listája
- Szöveg- vagy képentitással párosított határolókeret
- A képpontértékek táblázata
- Miért van a GLIGEN új figyelemrétegeiben a kapu nullára inicializálva?
- A képek eleinte szürkeárnyalatossá tételéhez
- A szöveges prompt letiltásához
- A képfelbontás csökkentése érdekében
- Így az alapmodell viselkedése a képzés korai szakaszában megmarad, és fokozatosan hozzáadódik a kontroll
- Mit jelent a GLIGEN-ben a „nyílt világ” földelt generáció?
- Tetszőlegesen leírt koncepciókat és elrendezéseket tud földelni, amelyek a földelési képzés során nem láthatók
- Csak beltéri jeleneteknél működik
- 3D-s világmodell kell hozzá
- Csak kültéri tájakat hoz létre
- Hol vannak a GLIGEN új, zárt önfigyelő rétegei az U-Netben?
- Csak a VAE kimeneten
- A meglévő ön- és keresztfigyelem blokkok között
- Csak a szövegkódolón belül
- A zajütemező előtt
- What does a GLIGEN grounding token combine?
- A denoising timestep with a VAE decoder output
- A color histogram with the final image resolution
- A text or image embedding with spatial information such as a bounding box
- A training dataset name with a classifier label
- Besides bounding boxes, which inputs can GLIGEN use to ground objects?
- Only unstructured audio waveforms
- A crop-size label without any object information
- A list of model checkpoint filenames
- Keypoints or reference images