Quiz collegato alla guida · Difficile Livello
Quiz sui modelli generativi basati su punteggi
Funzioni del punteggio di test, corrispondenza del punteggio di denoising, campionamento di Langevin e vista SDE in tempo inverso della generazione di dati dal rumore.
Domanda 1 di 8
Qual è esattamente il "punteggio" che apprendono questi modelli?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è esattamente il "punteggio" che apprendono questi modelli?
- Il gradiente della densità di probabilità logaritmica rispetto all'input
- Una valutazione di qualità da 0 a 100 per ciascuna immagine
- Il numero di epoche di allenamento completate
- L'etichetta di classificazione del punto dati
- Perché i modelli basati sui punteggi vengono addestrati su dati corrotti dal rumore su più scale?
- Per rendere le immagini artistiche
- Perché è difficile stimare il punteggio laddove i dati puliti sono scarsi e in quelle regioni si riempie il rumore
- Per ridurre la dimensione del file del set di dati
- Perché il rumore accelera la GPU
- Quale procedura di campionamento utilizzavano i primi modelli basati sui punteggi per generare i dati?
- Discesa gradiente sui pixel verso un'immagine target fissa
- Una moltiplicazione di matrici singole
- Dinamica Langevin: avanzare lungo la partitura aggiungendo rumore
- Ritaglio e capovolgimento casuali
- Quale collegamento principale ha stabilito il documento sullo score-SDE del 2021?
- Che i GAN sono sempre migliori della diffusione
- Che le reti neurali non possono modellare le immagini
- I modelli di punteggio funzionano solo in due dimensioni
- I modelli di diffusione e i modelli basati sui punteggi sono due visioni dello stesso processo SDE continuo
- In che modo la previsione del rumore è correlata alla previsione del punteggio nel denoising della corrispondenza del punteggio?
- The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
- Noise prediction and score estimation are unrelated
- Prevedere il rumore è impossibile
- Il punteggio è sempre zero per i dati disturbati
- Che cosa consente l'ODE deterministica del flusso di probabilità che il campionamento stocastico puro non fornisce facilmente?
- Consumo energetico della GPU più elevato
- Calcolo esatto della verosimiglianza e percorso di campionamento deterministico
- Etichettatura automatica dei set di dati
- Eliminazione della necessità di qualsiasi rete neurale
- In score-based generation, what does the reverse-time SDE do?
- It converts image labels into captions
- It adds noise to an already generated output only
- It transforms a prior noise distribution back toward the data distribution
- It estimates the class label of each pixel
- In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
- Use the prior alone and ignore measured k-space data
- Combine the learned score prior with the measurement constraint during posterior sampling
- Replace all measurements with random noise
- Treat the score as a diagnosis of the patient