Quiz collegato alla guida · Medio Livello
Quiz di orientamento senza classificatore
Esaminare la guida senza classificatore, l'abbandono condizionale, il compromesso qualità-diversità, i costi di inferenza e la scala della guida. Controllare l'ambito e le ipotesi.
Domanda 1 di 8
Perché i modelli di diffusione applicano una guida priva di classificatori?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Perché i modelli di diffusione applicano una guida priva di classificatori?
- Per rafforzare la precisione con cui l'output segue il prompt di condizionamento
- Per comprimere il modello in una dimensione più piccola
- Per rimuovere completamente il codificatore di testo
- Per convertire le immagini in audio
- In che modo un modello impara a fare previsioni incondizionate per una guida senza classificatori?
- Addestrando un secondo classificatore separato
- Abbassando casualmente il condizionamento durante l'allenamento
- Utilizzando solo immagini nere
- Disabilitando la GPU
- Che cosa comporta in generale l’aumento della scala di orientamento?
- Migliora sempre la diversità
- Rimuove l'influenza del prompt
- Rafforza l'adesione immediata ma può causare una saturazione eccessiva
- Rende l'immagine in scala di grigi
- All'incirca quanti passaggi in avanti per fase di denoising richiede la guida standard senza classificatore?
- Zero
- Dieci
- Cento
- Due (uno condizionale, uno incondizionato)
- Quale vantaggio presenta la guida senza classificatore rispetto alla guida con classificatore?
- Non necessita di un classificatore addestrato separatamente
- Richiede più dati di addestramento
- Funziona solo su modelli di testo
- Elimina il processo di diffusione
- In the common classifier-free guidance formula, what does guidance scale s=0 produce?
- The conditional prediction with extra amplification
- The unconditional model prediction without conditioning
- A prediction from a separately trained classifier
- A sample with all denoising removed
- How does classifier-free guidance combine model outputs at inference?
- It combines two image classifiers
- It removes the conditional prompt
- It combines conditional and unconditional score estimates
- It adds a learned reward model after decoding
- What does a guidance scale of 1 generally correspond to in the common formulation?
- The unconditional prediction only
- A classifier-based gradient
- A zero-noise image
- The conditional prediction without extra guidance amplification