Quiz collegato alla guida · Medio Livello

Quiz sulla diffusione video stabile

Comprendere i checkpoint da immagine a video, i livelli temporali, la formazione graduale e i limiti della licenza del modello di Stable Video Diffusion.

Percorsi guida correlatiDiffusione video stabile
Domanda 1 di 8

What input does a public Stable Video Diffusion image-to-video checkpoint use?

Anteprima di ogni domanda8 domande

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

  1. What input does a public Stable Video Diffusion image-to-video checkpoint use?
    • Una singola immagine fissa
    • Un file mesh 3D
    • Solo la sceneggiatura a testo integrale
    • Una registrazione microfonica
  2. Cosa ha aggiunto SVD all'architettura Stable Diffusion delle immagini fisse per gestire il movimento?
    • Una tavolozza di colori più ampia
    • Strati temporali che collegano i fotogrammi nel tempo
    • Moduli di sintesi audio
    • Un correttore ortografico per i sottotitoli
  3. La diffusione video stabile esegue la rimozione del rumore in quale tipo di spazio per risparmiare risorse di calcolo?
    • Spazio pixel grezzo a piena risoluzione
    • Solo il dominio della frequenza
    • Uno spazio latente compresso
    • Uno spazio token di testo
  4. What was significant about SVD’s research release?
    • It removed all license conditions
    • It was accessible only as a closed cloud API
    • It released audio weights but no video model
    • It made code and model weights available for research and adaptation under their license terms
  5. Approssimativamente quanti frame generano in genere i checkpoint pubblici di SVD?
    • Circa 14-25 fotogrammi
    • Esattamente 1 fotogramma
    • Diverse migliaia di fotogrammi
    • Un flusso continuo illimitato
  6. Quale approccio formativo ha enfatizzato Stability AI per SVD?
    • Un singolo allenamento one-shot eseguito su clip casuali
    • Una ricetta graduale: preaddestramento delle immagini, preaddestramento dei video e quindi messa a punto di alta qualità
    • Formazione solo su immagini fisse
    • Nessun pre-allenamento
  7. What downstream video adaptation does the SVD paper discuss using LoRA?
    • Speaker-identity adaptation for audio
    • Automatic SQL generation
    • Camera-motion-specific adaptation
    • Dependency-label prediction
  8. What additional visual-generation capability did the SVD paper explore from its base model?
    • Generating a dependency parse for every frame
    • Separating a song into instrument stems
    • Estimating speech intelligibility
    • Fine-tuning a model to jointly generate multiple views of objects