Kuis Pencocokan Aliran

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang dipelajari secara langsung oleh model pencocokan aliran untuk diprediksi?
   • Bidang kecepatan yang memindahkan sampel dari kebisingan menuju data
   • Label klasifikasi untuk setiap gambar
   • Byte JPEG terkompresi dari suatu gambar
   • Tabel pencarian tetap nilai piksel
2. Bagaimana sampel dihasilkan dari model pencocokan aliran yang dilatih?
   • Dengan mengambil sampel rangkaian kata Markov yang terpisah
   • Dengan mengintegrasikan bidang kecepatan yang dipelajari dengan pemecah ODE yang dimulai dari kebisingan
   • Dengan menjalankan penurunan gradien pada gambar masukan
   • Dengan merata-ratakan seluruh set pelatihan
3. Apa yang membuat kerugian pencocokan aliran bersyarat mudah dilatih?
   • Itu mengabaikan data sepenuhnya
   • Hal ini membutuhkan penyelesaian seluruh bidang marjinal secara analitis
   • Ini mengkondisikan pada satu titik data dan menggunakan jalur interpolasi sederhana yang diketahui
   • Ini hanya berfungsi pada satu gambar dalam satu waktu selamanya
4. Mengapa varian 'aliran yang diperbaiki' memungkinkan pembangkitan lebih cepat?
   • Ini menggunakan jaringan saraf yang lebih besar
   • Itu melewatkan pelatihan sepenuhnya
   • Ini mengubah gambar menjadi teks terlebih dahulu
   • Ini meluruskan jalur probabilitas sehingga diperlukan lebih sedikit langkah pemecah ODE
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • ResNet-50
   • YOLOv8
6. Dalam pencocokan aliran bersyarat, apa yang dimaksud dengan interpolasi tipikal antara sampel kebisingan dan sampel data pada waktu t?
   • Pengacakan piksel secara acak
   • x_t = (1-t)*noise + t*data, perpaduan garis lurus
   • Mengkuadratkan setiap nilai piksel
   • Menyortir piksel berdasarkan kecerahan
7. In conditional flow matching, how is the marginal vector field related to conditional vector fields?
   • It is the largest vector in the training batch
   • It is a fixed class label independent of time
   • It is the conditional expectation of the conditional vector field over the conditioning variable
   • It is the average pixel value of the data
8. Beyond generative modeling, what other task does the original rectified-flow paper describe?
   • Speech diarization with speaker embeddings
   • Classifying handwritten digits from labels alone
   • Predicting calendar availability
   • Data or domain transfer between distributions