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.
- 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
- 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
- Quali primi modelli generavano immagini un pixel grezzo alla volta?
- GAN e VAE
- Diffusione stabile e immagine
- PixelRNN e PixelCNN
- CLIP e BLIP
- 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).
- 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
- 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
- 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
- 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