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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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