Kuis Autoencoder Variasi

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang dilakukan encoder dalam output VAE untuk input tertentu?
   • Parameter distribusi probabilitas, seperti mean dan varians
   • Sebuah titik tetap dalam ruang laten
   • Label kelas
   • Salinan masukan yang direkonstruksi
2. Apa tujuan dari trik reparameterisasi?
   • Untuk membuat decoder lebih besar
   • Untuk memungkinkan gradien mengalir melalui langkah pengambilan sampel acak
   • Untuk menghilangkan kebutuhan akan decoder
   • Untuk memampatkan ruang laten lebih jauh
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. Fungsi tujuan yang dimaksimalkan VAE selama pelatihan disebut:
   • Langit-langit lintas entropi
   • Kerugian yang merugikan
   • Rata-rata margin kuadrat
   • Bukti Batas Bawah (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Dalam model difusi laten seperti Difusi Stabil, peran apa yang dimainkan VAE?
   • Ini memberi label pada gambar pelatihan
   • Ini memampatkan gambar ke ruang laten tempat difusi berjalan, lalu menerjemahkannya kembali menjadi piksel
   • Ini menggantikan pembuat enkode teks
   • Ini menjadwalkan tingkat kebisingan
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)