Quiz collegato alla guida · Medio Livello

Quiz sui modelli di diffusione latente

Valutare la diffusione latente, la compressione del codificatore automatico, il condizionamento del testo, i compromessi computazionali e l'addestramento alla previsione del rumore.

Percorsi guida correlatiModelli di diffusione latente
Domanda 1 di 8

Qual è la principale innovazione dei modelli di diffusione latente rispetto alla diffusione nello spazio dei pixel?

Anteprima di ogni domanda8 domande

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

  1. Qual è la principale innovazione dei modelli di diffusione latente rispetto alla diffusione nello spazio dei pixel?
    • Eseguono il processo di diffusione in uno spazio latente compresso invece che su pixel grezzi
    • Eliminano la necessità di qualsiasi rete neurale
    • Funzionano solo su immagini in bianco e nero
    • Non richiedono alcun dato di addestramento
  2. In la diffusione latente, cosa fa l'autoencoder di prima fase?
    • Prevede i token di testo senza elaborare le immagini
    • Codifica un'immagine in una rappresentazione latente e decodifica i latenti in immagini
    • Sostituisce il modello di diffusione ad ogni passo di denoising
    • Classifica un prompt come sicuro o non sicuro
  3. Come viene tipicamente inserito il testo nella U-Net di denoising in diffusione latente?
    • Concatenando la stringa di testo non elaborato all'immagine
    • Modificando manualmente i pixel
    • Attraverso livelli di attenzione incrociata utilizzando incorporamenti di testo
    • Il testo non può essere utilizzato affatto
  4. Perché il denoising in un modello di diffusione latente può ridurre il calcolo rispetto alla diffusione nello spazio pixel?
    • Il modello salta tutta la decodifica delle immagini
    • La rete di diffusione non utilizza strati neurali
    • Il modello rimuove ogni passo di denoising
    • Il denoiser opera su una griglia latente spaziale più piccola, anche se la decodifica è ancora necessaria alla fine
  5. Quali varianti di regolarizzazione dell'autoencoder di prima fase l'articolo originale di diffusione latente indaga?
    • Autoencoder regolarizzati con KL e quantizzati in vettori
    • Solo un modello di guida senza classificatore
    • Solo un modello di linguaggio causale
    • Un decoder che non ha parametri appresi
  6. Cosa impara a fare il modello di diffusione durante la formazione?
    • Classificare le immagini in categorie
    • Invertire un processo graduale di rumore e procedere alla rimozione del rumore passo dopo passo
    • Per comprimere il testo in audio
    • Tradurre le lingue
  7. Nella configurazione dell'autoencoder f=8 del documento, cosa descrive il fattore di downsampling?
    • Il modello utilizza otto encoder di testo separati
    • Ogni input è ridotto esattamente a otto pixel
    • Ogni dimensione spaziale della griglia latente è ridotta di un fattore otto
    • Il modello di diffusione esegue otto aggiornamenti di addestramento totali
  8. Come il documento sulla diffusione latente inietta condizioni spaziali come layout semantici nel denoiser?
    • Converte il layout in una frase inglese soltanto
    • Rimuove le coordinate spaziali prima della denoising
    • Utilizza la condizione solo dopo la decodifica in pixel
    • Concatena la condizione spaziale con la rappresentazione latente lungo i canali