Kuis terkait panduan · Sedang Tingkat

Kuis Sampler DDPM dan DDIM

Bandingkan pengambilan sampel terbalik DDPM dan DDIM, termasuk pelatihan bersama, kontrol stokastik, lompatan waktu, dan perkiraan gambar bersih.

Jalur panduan terkaitDdpm Dan Ddim Sampler
Pertanyaan 1 dari 8

Apa keuntungan praktis utama DDIM dibandingkan DDPM?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa keuntungan praktis utama DDIM dibandingkan DDPM?
    • Ini dapat menghasilkan gambar yang sebanding dalam langkah pengambilan sampel yang jauh lebih sedikit
    • Hal ini memerlukan jaringan terlatih yang benar-benar berbeda
    • Ini menambahkan lebih banyak kebisingan acak di setiap langkah untuk kualitas yang lebih baik
    • Ini hanya berfungsi pada gambar hitam-putih
  2. Apa yang sebenarnya dipelajari oleh jaringan saraf model difusi untuk diprediksi selama pelatihan?
    • Keterangan terakhir untuk gambar tersebut
    • Kebisingan yang ditambahkan ke gambar pada rentang waktu tertentu
    • Rasio kompresi gambar
    • Pengaturan kamera yang digunakan untuk mengambil foto
  3. Mengapa DDIM dapat menghasilkan gambar yang sama persis dari noise awal yang sama setiap saat?
    • Karena itu menyimpan gambar yang dibuat sebelumnya dalam cache
    • Karena selalu menggunakan prompt tetap
    • Karena proses pengambilan sampelnya bersifat deterministik tanpa keacakan yang disuntikkan
    • Karena rata-rata banyak proses acak yang dijalankan bersamaan
  4. Di DDIM, berapa nilai parameter eta yang memulihkan perilaku DDPM stokastik asli?
    • itu = 0
    • itu = -1
    • eta = 100
    • eta = 1
  5. Berapa banyak langkah yang biasanya diperlukan oleh DDPM asli untuk mendapatkan sampel berkualitas tinggi?
    • Ratusan hingga sekitar seribu langkah
    • Tepatnya 3 langkah
    • Satu langkah
    • Lebih dari satu juta langkah
  6. Manakah dari berikut ini yang merupakan perkiraan kuantitas antara yang utama DDIM sebelum melangkah maju?
    • Ukuran file keluaran
    • Perkiraan gambar bersih x0
    • Panjang penyematan yang diminta pengguna
    • Suhu GPU
  7. What does DDIM change compared with DDPM when using a model trained with the DDPM procedure?
    • It replaces the network with a text classifier
    • It changes the training data from images to audio
    • It changes the sampling trajectory while reusing the trained denoising network
    • It removes the need to estimate noise
  8. Why can DDIM skip selected diffusion timesteps during sampling?
    • The training process never added noise
    • Each skipped timestep is replaced by a larger image
    • It copies an earlier generated image from a cache
    • Its non-Markovian sampling path can connect noise levels without visiting every training step