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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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