Quiz collegato alla guida · Medio Livello

Quiz sul modello di diffusione GLIDE

Esplora la generazione e l'integrazione guidata da testo di GLIDE, l'addestramento condizionale, il campionamento senza classificatore e la sua architettura del modello storico.

Percorsi guida correlatiModello di diffusione di scorrimento
Domanda 1 di 8

Quale metodo di guida ha riscontrato che GLIDE ha prodotto immagini migliori e più fedeli alla realtà?

Anteprima di ogni domanda8 domande

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

  1. Quale metodo di guida ha riscontrato che GLIDE ha prodotto immagini migliori e più fedeli alla realtà?
    • Guida senza classificatore
    • Guida CLIP
    • Nessuna guida
    • Modifica manuale
  2. What size did the published full GLIDE base diffusion model have, before counting its upsampler?
    • About 3.5 thousand parameters
    • About 350 billion parameters
    • About 3.5 billion parameters
    • No trainable parameters
  3. Come funziona la guida senza classificatore durante la formazione?
    • Il modello vede sempre e solo il prompt corretto
    • Insieme a questo viene addestrato un classificatore di immagini separato
    • I prompt vengono tradotti in numeri in modo casuale
    • Il modello a volte vede il prompt reale e talvolta uno vuoto
  4. Which later system describes its diffusion decoder as modifying the GLIDE architecture in the DALL-E 2 research paper?
    • The original text-only GPT-2 model
    • The unCLIP system associated with DALL-E 2
    • The Whisper speech recognizer
    • The CLIP contrastive encoder alone
  5. Perché OpenAI ha rilasciato pubblicamente solo una versione più piccola e filtrata di GLIDE?
    • Il modello completo è andato perduto
    • Funzionava solo su supercomputer
    • Preoccupazioni per l'uso improprio di un potente generatore di immagini
    • Licenza da parte di terzi
  6. Quale funzionalità pratica di modifica supportava GLIDE?
    • Inpainting guidato dal testo
    • Trascrizione audio
    • Formule del foglio di calcolo
    • Rappresentazione video
  7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
    • It replaced the text prompt with an audio transcript
    • It increased the resolution of the image produced by the base model
    • It converted the image into the training tokenizer's vocabulary
    • It supplied manual labels for every generated object
  8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
    • It retrains the model weights after every generated pixel
    • It requires a separate class-label classifier to score every step
    • It replaces the conditional prediction with the unconditional one
    • It combines conditional and unconditional predictions, extrapolating toward the conditional one