Kuis terkait panduan · Sedang Tingkat
Kuis Difusi Video Stabil
Pahami pos pemeriksaan gambar-ke-video Difusi Video Stabil, lapisan temporal, pelatihan bertahap, dan batasan lisensi model.
Pertanyaan 1 dari 8
Input apa yang digunakan oleh checkpoint image-to-video Stable Video Diffusion publik?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Input apa yang digunakan oleh checkpoint image-to-video Stable Video Diffusion publik?
- Sebuah gambar diam
- File jaring 3D
- Skenario teks lengkap saja
- Rekaman mikrofon
- Apa yang ditambahkan SVD ke arsitektur Difusi Stabil gambar diam untuk menangani gerakan?
- Palet warna yang lebih besar
- Lapisan temporal menghubungkan frame dari waktu ke waktu
- Modul sintesis audio
- Pemeriksa ejaan untuk teks
- Difusi Video Stabil melakukan denoising dalam jenis ruang apa untuk menghemat komputasi?
- Ruang piksel resolusi penuh mentah
- Domain frekuensi saja
- Ruang laten terkompresi
- Ruang token teks
- Apa yang signifikan dari rilis penelitian SVD?
- It removed all license conditions
- It was accessible only as a closed cloud API
- It released audio weights but no video model
- It made code and model weights available for research and adaptation under their license terms
- Kira-kira berapa banyak frame yang biasanya dihasilkan oleh pos pemeriksaan publik SVD?
- Sekitar 14 hingga 25 frame
- Tepat 1 bingkai
- Beberapa ribu frame
- Aliran berkelanjutan tanpa batas
- Pendekatan pelatihan apa yang ditekankan oleh Stability AI untuk SVD?
- Pelatihan satu kali yang dijalankan pada klip acak
- Resep bertahap: pra-latihan gambar, pra-latihan video, lalu penyempurnaan kualitas tinggi
- Pelatihan hanya pada gambar diam
- Tidak ada pra-pelatihan sama sekali
- What downstream video adaptation does the SVD paper discuss using LoRA?
- Speaker-identity adaptation for audio
- Automatic SQL generation
- Camera-motion-specific adaptation
- Dependency-label prediction
- What additional visual-generation capability did the SVD paper explore from its base model?
- Generating a dependency parse for every frame
- Separating a song into instrument stems
- Estimating speech intelligibility
- Fine-tuning a model to jointly generate multiple views of objects