Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Körömvirág diffúziós mélységbecslési kvíz
Ellenőrizze, hogy a Marigold hogyan használja fel újra a Stable Diffusion látens prioritását a relatív mélység meghatározásához, és hogyan kezeli az affin változatlanságot, a mintavételezést és a kimeneti részleteket.
kérdés 1 -ból 8
Milyen előképzett modellre épít Marigold?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Milyen előképzett modellre épít Marigold?
- Stable Diffusion
- GPT-4
- YOLOv8
- ResNet-50
- Hogyan fogalmazza meg Marigold a mélységbecslési feladatot?
- Osztályozási problémaként
- Mélységi térkép feltételes generálásaként
- Megerősítő tanulásként
- Klaszterezési problémaként
- Mi volt meglepő Marigold edzési adataiban?
- Milliárdnyi valós mélységű vizsgálatot használt
- Egyáltalán nem volt szükség képzésre
- Főleg szintetikus adatkészleteken finomhangolták, mégis valós képekre általánosították
- Csak hangadatokat használt
- Miért lassabb a Marigold, mint az előrecsatolt mélységmodellek?
- Csak CPU-n fut
- Minden alkalommal letölti az adatokat az internetről
- Minden képhez újraképződik
- Iteratív zajcsökkentő mintavételi hurkot használ
- Milyen térben végzi a Marigold diffúziós folyamatát?
- A Stable Diffusion VAE látens tere
- Nyers pixeltér
- Frekvencia/Fourier tér
- Pont-felhő tér
- Hogyan javíthatja a Marigold a mélységstabilitást a futások során?
- A képfelbontás csökkentésével
- Több mintavételezett előrejelzés összeállításával
- A VAE letiltásával
- Szürkeárnyalatossá alakítással
- Mit jelent az affin-invariáns relatív mélység egy Marigold-előrejelzéshez?
- Minden pixel pontos távolságot ad méterben kalibrálás nélkül
- A kimenet színes címkéket tartalmaz a mélység helyett
- A mélységi rendezés hasznos, de a kimenet abszolút skálájának és eltolásának nem kell megegyeznie a valós mérésekkel
- Csak a legközelebbi objektum kap mélységértéket
- Melyik bemenetpárt kódolja Marigold ugyanazzal a VAE-vel a látens diffúziós folyamata során?
- A kamera póz és egy 3D háló
- A szöveges prompt és a CLIP pontszám
- Két sztereó kép külön kamerából
- A bemeneti kép és a mélységtérkép