Kuis terkait panduan · Keras Tingkat

VQ-VAE dan Kuis Laten Diskrit

Tinjau bagaimana VQ-VAE memetakan keluaran encoder berkelanjutan ke entri buku kode terpisah untuk pemodelan dan rekonstruksi generatif.

Jalur panduan terkaitVq Vae Dan Laten Diskrit
Pertanyaan 1 dari 8

Apa yang membuat ruang laten VQ-VAE berbeda dengan VAE standar?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang membuat ruang laten VQ-VAE berbeda dengan VAE standar?
    • Ini bersifat diskrit, menggunakan buku kode embeddings yang dipelajari
    • Ini kontinu dan Gaussian
    • Ia tidak memiliki ruang laten sama sekali
    • Ini menyimpan piksel mentah
  2. Bagaimana cara VQ-VAE meneruskan gradien melalui langkah kuantisasi yang tidak dapat dibedakan?
    • Ini melewatkan propagasi mundur sepenuhnya
    • Dengan penduga langsung yang menyalin gradien melewati kuantizer
    • Dengan menggunakan pembelajaran penguatan saja
    • Dengan membulatkan gradien menjadi bilangan bulat
  3. Apa itu 'keruntuhan buku kode'?
    • Decoder mengabaikan yang laten
    • Output encoder menjadi tak terbatas
    • Hanya sebagian kecil dari entri buku kode yang pernah digunakan
    • Resolusi gambar turun ke nol
  4. Mengapa laten diskrit berguna untuk pemodelan generatif dengan Transformers?
    • Mereka membuat gambar lebih kecil di disk saja
    • Mereka menghilangkan kebutuhan akan decoder
    • Mereka menghapus semua keacakan dari generasi ke generasi
    • Mereka mengubah media menjadi rangkaian token yang dapat dimodelkan oleh Transformer seperti bahasa
  5. Apa yang ditambahkan VQGAN selain resep dasar VQ-VAE?
    • Kerugian permusuhan dan persepsi untuk rekonstruksi yang lebih tajam
    • Sebuah sampler difusi
    • Penghapusan buku kode
    • Encoder berulang
  6. Istilah kerugian manakah yang membuat pembuat enkode 'berkomitmen' pada entri buku kode yang dipilihnya?
    • Divergensi KL
    • Hilangnya komitmen
    • Kerugian lintas entropi
    • Kerugian kembar tiga
  7. What kind of prior does the original VQ-VAE paper learn over its discrete codes?
    • A fixed prior that is never learned
    • A prior over camera locations only
    • A learned prior over the discrete code sequence
    • No prior or decoder distribution
  8. Which text-to-image paper used a discrete VAE to tokenize images before autoregressive generation?
    • The original Whisper speech-recognition paper
    • A paper on Kalman-filter vehicle tracking
    • The original BERT masked-language-model paper
    • The original DALL·E paper