Kuis terkait panduan · Sedang Tingkat

Kuis Model Difusi GLIDE

Jelajahi pembuatan dan pengecatan dengan panduan teks GLIDE, pelatihan bersyarat, pengambilan sampel bebas pengklasifikasi, dan arsitektur model historisnya.

Jalur panduan terkaitModel Difusi Luncur
Pertanyaan 1 dari 8

Metode panduan mana yang menurut GLIDE menghasilkan gambar yang lebih baik dan lebih akurat?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Metode panduan mana yang menurut GLIDE menghasilkan gambar yang lebih baik dan lebih akurat?
    • Panduan bebas pengklasifikasi
    • Panduan KLIP
    • Tidak ada panduan
    • Pengeditan manual
  2. What size did the published full GLIDE base diffusion model have, before counting its upsampler?
    • About 3.5 thousand parameters
    • About 350 billion parameters
    • About 3.5 billion parameters
    • No trainable parameters
  3. Bagaimana cara kerja panduan bebas pengklasifikasi selama pelatihan?
    • Model hanya melihat perintah yang benar
    • Pengklasifikasi gambar terpisah dilatih bersama
    • Anjuran diterjemahkan ke angka secara acak
    • Model terkadang melihat prompt yang sebenarnya dan terkadang kosong
  4. Which later system describes its diffusion decoder as modifying the GLIDE architecture in the DALL-E 2 research paper?
    • The original text-only GPT-2 model
    • The unCLIP system associated with DALL-E 2
    • The Whisper speech recognizer
    • The CLIP contrastive encoder alone
  5. Mengapa OpenAI hanya merilis versi GLIDE yang lebih kecil dan terfilter secara publik?
    • Model lengkapnya hilang
    • Itu hanya berjalan di superkomputer
    • Kekhawatiran tentang penyalahgunaan generator gambar yang canggih
    • Lisensi dari pihak ketiga
  6. Fitur pengeditan praktis apa yang didukung GLIDE?
    • Lukisan berbasis teks
    • Transkripsi audio
    • Rumus lembar bentang
    • Rendering video
  7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
    • It replaced the text prompt with an audio transcript
    • It increased the resolution of the image produced by the base model
    • It converted the image into the training tokenizer's vocabulary
    • It supplied manual labels for every generated object
  8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
    • It retrains the model weights after every generated pixel
    • It requires a separate class-label classifier to score every step
    • It replaces the conditional prediction with the unconditional one
    • It combines conditional and unconditional predictions, extrapolating toward the conditional one