Quiz collegato alla guida · Difficile Livello
VQ-VAE e quiz sui latenti discreti
Esamina il modo in cui VQ-VAE mappa gli output continui del codificatore in voci discrete del codebook per la modellazione e la ricostruzione generativa.
Domanda 1 di 8
Cosa rende lo spazio latente di VQ-VAE diverso da quello di VAE standard?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa rende lo spazio latente di VQ-VAE diverso da quello di VAE standard?
- È discreto e utilizza un codice appreso di incorporamenti
- È continuo e gaussiano
- Non ha alcuno spazio latente
- Memorizza i pixel grezzi
- In che modo VQ-VAE fa passare i gradienti attraverso la fase di quantizzazione non differenziabile?
- Salta completamente la propagazione all'indietro
- Con uno stimatore diretto che copia i gradienti oltre il quantizzatore
- Utilizzando solo l'apprendimento per rinforzo
- Arrotondando i gradienti ai numeri interi
- Cos'è il "crollo del codice"?
- Il decodificatore ignora i latenti
- Le uscite dell'encoder diventano infinite
- Solo una piccola parte delle voci del codebook viene utilizzata
- La risoluzione dell'immagine scende a zero
- Perché i latenti discreti sono utili per la modellazione generativa con Transformers?
- Rimpiccioliscono le immagini solo su disco
- Eliminano la necessità di un decoder
- Rimuovono tutta la casualità dalla generazione
- Trasformano i media in sequenze di token che un Transformer può modellare come linguaggio
- Cosa ha aggiunto VQGAN alla ricetta base VQ-VAE?
- Perdite contraddittorie e percettive per ricostruzioni più nitide
- Un campionatore di diffusione
- Rimozione del libro dei codici
- Un codificatore ricorrente
- Quale termine di perdita mantiene il codificatore "impegnato" nelle voci del codebook che seleziona?
- La divergenza di KL
- La perdita di impegno
- La perdita di entropia incrociata
- La perdita della tripletta
- What kind of prior does the original VQ-VAE paper learn over its discrete codes?
- A fixed prior that is never learned
- A prior over camera locations only
- A learned prior over the discrete code sequence
- No prior or decoder distribution
- Which text-to-image paper used a discrete VAE to tokenize images before autoregressive generation?
- The original Whisper speech-recognition paper
- A paper on Kalman-filter vehicle tracking
- The original BERT masked-language-model paper
- The original DALL·E paper