Kuis Model Generatif Berbasis Skor

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Berapa sebenarnya 'skor' yang dipelajari model-model ini?
   • Gradien kepadatan log-probabilitas sehubungan dengan input
   • Peringkat kualitas dari 0 hingga 100 untuk setiap gambar
   • Jumlah periode pelatihan yang diselesaikan
   • Label klasifikasi titik data
2. Mengapa model berbasis skor dilatih pada data yang dirusak oleh gangguan pada berbagai skala?
   • Agar gambar terlihat artistik
   • Karena skornya sulit diperkirakan jika data bersih jarang ditemukan, dan gangguan memenuhi wilayah tersebut
   • Untuk mengurangi ukuran file kumpulan data
   • Karena kebisingan mempercepat GPU
3. Prosedur pengambilan sampel manakah yang digunakan model berbasis skor awal untuk menghasilkan data?
   • Penurunan gradien pada piksel menuju gambar target tetap
   • Perkalian matriks tunggal
   • Dinamika Langevin - mengikuti skor sambil menambahkan kebisingan
   • Pemangkasan dan pembalikan acak
4. Apa hubungan utama yang dibangun oleh makalah skor-SDE tahun 2021?
   • GAN selalu lebih baik daripada difusi
   • Jaringan saraf tersebut tidak dapat memodelkan gambar
   • Model skor tersebut hanya bekerja dalam dua dimensi
   • Model difusi dan model berbasis skor adalah dua pandangan dari proses SDE berkelanjutan yang sama
5. Bagaimana hubungan prediksi kebisingan dengan prediksi skor dalam pencocokan skor denoising?
   • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
   • Noise prediction and score estimation are unrelated
   • Memprediksi kebisingan adalah hal yang mustahil
   • Skornya selalu nol untuk data bersuara
6. Apa yang dimungkinkan oleh 'aliran probabilitas ODE' deterministik yang tidak mudah disediakan oleh pengambilan sampel stokastik murni?
   • Konsumsi daya GPU lebih tinggi
   • Perhitungan kemungkinan yang tepat dan jalur pengambilan sampel deterministik
   • Pelabelan kumpulan data otomatis
   • Penghapusan kebutuhan akan jaringan saraf apa pun
7. In score-based generation, what does the reverse-time SDE do?
   • It converts image labels into captions
   • It adds noise to an already generated output only
   • It transforms a prior noise distribution back toward the data distribution
   • It estimates the class label of each pixel
8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
   • Use the prior alone and ignore measured k-space data
   • Combine the learned score prior with the measurement constraint during posterior sampling
   • Replace all measurements with random noise
   • Treat the score as a diagnosis of the patient