Quiz collegato alla guida · Medio Livello

Quiz sulla generazione di immagini autoregressive

Scopri come i modelli di immagine autoregressivi codificano le immagini come sequenze di token e le generano un passaggio alla volta da prompt di testo.

Domanda 1 di 8

Cosa significa "autoregressivo" nel contesto della generazione di immagini?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa significa "autoregressivo" nel contesto della generazione di immagini?
    • Ogni nuovo elemento viene previsto in base agli elementi generati in precedenza
    • Ogni nuovo elemento viene previsto utilizzando solo il prompt testuale
    • L'intera immagine viene rimossa immediatamente dal rumore casuale
    • I pixel vengono generati in modo completamente indipendente l'uno dall'altro
  2. In che modo i moderni modelli di immagine autoregressivi come DALL-E 1 rappresentano tipicamente un'immagine prima di prevederla?
    • Come un unico vettore continuo
    • Come una griglia fissa di token discreti da un codice appreso
    • Solo come pixel RGB grezzi a 24 bit
    • Come elenco di forme grafiche vettoriali
  3. Quali primi modelli generavano immagini un pixel grezzo alla volta?
    • GAN e VAE
    • Diffusione stabile e immagine
    • PixelRNN e PixelCNN
    • CLIP e BLIP
  4. Quale meccanismo garantisce che un Transformer si occupi solo dei token precedenti durante la generazione autoregressiva?
    • Abbandono
    • Normalizzazione batch
    • Salta le connessioni
    • Autoattenzione causale (mascherata).
  5. Qual è il principale svantaggio pratico del campionamento autoregressivo delle immagini?
    • Il campionamento è sequenziale e quindi lento
    • Non può essere condizionato dal testo
    • Non può modellare i dettagli più fini
    • Non richiede dati di addestramento
  6. Quale tecnica accelera la generazione di immagini basate su token prevedendo molti token in parallelo?
    • Forzatura dell'insegnante
    • Decodifica parallela mascherata (ad esempio MaskGIT/Muse)
    • Ritaglio gradiente
    • Codifica one-hot
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs