Quiz collegato alla guida · Medio Livello

Quiz sulla sintesi delle immagini di VQGAN e Codebook

Esamina i token discreti del codice VQGAN, le perdite contraddittorie e percettive e il modo in cui i trasformatori utilizzano griglie compatte per sintetizzare immagini ad alta risoluzione.

Percorsi guida correlatiSintesi di immagini Vqgan e Codebook
Domanda 1 di 8

Cosa utilizza VQGAN per rappresentare un'immagine come token discreti?

Anteprima di ogni domanda8 domande

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

  1. Cosa utilizza VQGAN per rappresentare un'immagine come token discreti?
    • Un codice appreso di vettori a cui vengono agganciate le uscite del codificatore
    • Un elenco di nomi di file
    • Solo pixel RGB grezzi
    • Un singolo numero per immagine
  2. What did the original VQGAN paper report gaining from adversarial and perceptual training?
    • To guarantee every VQVAE reconstruction is blurry
    • To preserve perceptual quality at increased compression in the original paper’s evaluated settings
    • To eliminate the need for a learned codebook
    • To make all images use the same token grid regardless of dataset
  3. Una volta che un'immagine è una sequenza di token, quale modello genera nuove immagini?
    • Un foglio di calcolo
    • Una calcolatrice
    • Un trasformatore autoregressivo che prevede token come parole
    • Un driver della stampante
  4. Quale tecnica consente ai gradienti di fluire attraverso la fase di quantizzazione non differenziabile?
    • Abbandono
    • Normalizzazione batch
    • Ritaglio casuale
    • Lo stimatore diretto
  5. Quale famosa tendenza artistica basata sull'intelligenza artificiale ha contribuito a creare VQGAN nel 2021?
    • VQGAN+CLIP arte generativa
    • Stampa 3D
    • Clonazione vocale
    • Automazione dei fogli di calcolo
  6. Qual è una sfida nota con i codici in stile VQGAN?
    • Non possono memorizzare alcun vettore
    • Collasso del codebook, dove molti codici rimangono inutilizzati
    • Non richiedono formazione
    • Funzionano solo con l'audio
  7. Why does VQGAN use a compact latent token grid for high-resolution images?
    • It removes the need for an image decoder
    • It makes every codebook entry a full-resolution image
    • It shortens the transformer sequence so modeling image composition is more tractable
    • It converts the transformer into a pixel-level convolution
  8. Which loss does the VQGAN guide pair with adversarial training to improve reconstruction quality?
    • Una perdita di modello linguistico per il token successivo
    • A contrastive audio-text loss
    • A reinforcement-learning reward from human rankings
    • Perdita percettiva