Útmutatóhoz kapcsolódó kvíz · Kemény Szint

VQ-VAE és diszkrét látens kvíz

Review how VQ-VAE maps continuous encoder outputs to discrete codebook entries for generative modeling and reconstruction.

Kapcsolódó útmutató utakVq Vae és diszkrét látensek
kérdés 1 -ból 8

Miben különbözik a VQ-VAE látens tere a szabványos VAE-től?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Miben különbözik a VQ-VAE látens tere a szabványos VAE-től?
    • Ez diszkrét, a beágyazások tanult kódkönyvét használja
    • Folyamatos és Gauss-féle
    • Egyáltalán nincs benne látens hely
    • Nyers pixeleket tárol
  2. Hogyan engedi át a VQ-VAE a gradienseket a nem differenciálható kvantálási lépésen?
    • Teljesen kihagyja a visszaszaporítást
    • Egyenes becslővel, amely a kvantálón túli gradienseket másolja
    • Csak megerősítő tanulás használatával
    • A színátmenetek egész számokra kerekítésével
  3. Mi az a „kódkönyv összeomlása”?
    • A dekóder figyelmen kívül hagyja a látenseket
    • A kódoló kimenetei végtelenné válnak
    • A kódkönyvbejegyzéseknek csak egy kis töredéke kerül felhasználásra
    • A kép felbontása nullára csökken
  4. Miért hasznosak a diszkrét látensek a Transformers generatív modellezéshez?
    • Csak lemezen kisebbítik a képeket
    • Nincs szükség dekóderre
    • Eltávolítanak minden véletlenszerűséget a generációból
    • A médiát token szekvenciákká alakítják, amelyeket a Transformer nyelvhez hasonlóan modellezhet
  5. Mit adott hozzá a VQGAN az alap VQ-VAE recepthez?
    • Konverziós és észlelési veszteségek az élesebb rekonstrukciók érdekében
    • Egy diffúziós mintavevő
    • A kódkönyv eltávolítása
    • Egy visszatérő kódoló
  6. Melyik veszteségi feltétel tartja a kódolót „kötelezetten” a kiválasztott kódkönyv-bejegyzésekhez?
    • A KL eltérés
    • Az elkötelezettség elvesztése
    • A keresztentrópia elvesztése
    • A hármas veszteség
  7. What kind of prior does the original VQ-VAE paper learn over its discrete codes?
    • A fixed prior that is never learned
    • A prior over camera locations only
    • A learned prior over the discrete code sequence
    • No prior or decoder distribution
  8. Which text-to-image paper used a discrete VAE to tokenize images before autoregressive generation?
    • The original Whisper speech-recognition paper
    • A paper on Kalman-filter vehicle tracking
    • The original BERT masked-language-model paper
    • The original DALL·E paper