ガイド連動クイズ · 中 レベル

分類子を使用しないガイダンス クイズ

分類子を使用しないガイダンス、条件付きドロップアウト、品質と多様性のトレードオフ、推論コスト、ガイダンスのスケールを確認します。範囲と前提条件を確認します。

関連するガイドパス分類子の無料ガイダンス
質問 1 の 8

拡散モデルが分類子を使用しないガイダンスを適用するのはなぜですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. 拡散モデルが分類子を使用しないガイダンスを適用するのはなぜですか?
    • 出力が条件付けプロンプトにどれだけ忠実に従うかを強化するには
    • モデルをより小さいサイズに圧縮するには
    • テキストエンコーダを完全に削除するには
    • 画像を音声に変換するには
  2. モデルは分類子を使用しないガイダンスのために無条件の予測を行う方法をどのように学習するのでしょうか?
    • 2 番目の別個の分類器をトレーニングすることによって
    • トレーニング中にランダムにコンディショニングを落とすことで
    • 黒の画像のみを使用することで
    • GPUを無効にすることで
  3. 指導規模を増やすと一般的に何が起こりますか?
    • 常に多様性を向上させます
    • プロンプトの影響を除去します
    • 即時遵守を強化しますが、過飽和を引き起こす可能性があります
    • 画像をグレースケールにします
  4. 標準の分類器を使用しないガイダンスでは、ノイズ除去ステップごとにおよそ何回の前方パスが必要ですか?
    • ゼロ
    • 10
    • 百
    • 2 つ (1 つは条件付き、もう 1 つは無条件)
  5. 分類子を使用しないガイダンスには、分類子ガイダンスと比べてどのような利点がありますか?
    • 個別にトレーニングされた分類器は必要ありません
    • より多くのトレーニング データが必要です
    • テキストモデルでのみ機能します
    • 拡散プロセスを排除します
  6. In the common classifier-free guidance formula, what does guidance scale s=0 produce?
    • The conditional prediction with extra amplification
    • The unconditional model prediction without conditioning
    • A prediction from a separately trained classifier
    • A sample with all denoising removed
  7. How does classifier-free guidance combine model outputs at inference?
    • It combines two image classifiers
    • It removes the conditional prompt
    • It combines conditional and unconditional score estimates
    • It adds a learned reward model after decoding
  8. What does a guidance scale of 1 generally correspond to in the common formulation?
    • The unconditional prediction only
    • A classifier-based gradient
    • A zero-noise image
    • The conditional prediction without extra guidance amplification