Quiz collegato alla guida · Medio Livello
Quiz sui modelli CLIP e linguaggio-visivo
Esamina le rappresentazioni condivise e l'abbinamento contrastivo di CLIP, con etichette zero-shot, famiglie di codificatori originali, conteggi di punteggi batch e unCLIP.
Domanda 1 di 8
Qual è l'idea alla base di CLIP?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è l'idea alla base di CLIP?
- Compressione delle immagini in file più piccoli
- Posizionamento di immagini e testo nello stesso spazio di incorporamento condiviso
- Generazione di modelli 3D da foto
- Tradurre il discorso in testo
- Quale approccio formativo utilizza CLIP?
- Apprendimento per rinforzo dal feedback umano
- Etichettatura manuale di ogni oggetto in ogni immagine
- Apprendimento contrastivo che mette insieme le coppie immagine-testo corrispondenti
- Copiare i pesi da un modello vocale
- What does zero-shot classification mean in the original CLIP transfer setup?
- Using text-defined candidate categories without new task-specific supervised classifier fitting
- Using a model that never received any pretraining data
- Running without any computation or electricity
- A guarantee that every category is classified correctly
- In che modo CLIP misura se un'immagine e una didascalia corrispondono?
- Confronto delle dimensioni del file
- Contando i pixel di ciascun colore
- Controllando il timestamp dell'immagine
- Per somiglianza coseno tra i loro vettori
- Approssimativamente su quanti dati è stato addestrato CLIP?
- Alcune migliaia di immagini etichettate a mano
- Solo testo, nessuna immagine
- Dal web circa 400 milioni di coppie immagine-testo
- Un’unica collezione museale curata
- How does the cited unCLIP image-generation paper use CLIP representations?
- The original standalone CLIP encoder directly outputs every image pixel
- A prior supplies CLIP image embeddings to a generative decoder
- It removes all image representations and uses only filenames
- It uses CLIP only as a network-encryption protocol
- Which image-encoder families were evaluated in the original CLIP paper?
- Only recurrent text encoders
- Only a mandatory linear pixel average
- Only a raw audio codec
- Modified ResNets and Vision Transformers
- A CLIP batch contains 32 paired images and texts. How many entries are in its full cross-modal score matrix?
- 1024
- 32
- 64
- 992