GLIDE 普及モデルクイズ

クイズに答えると、答えと解説が表示されます。

1. GLIDE では、どの誘導方法がより優れた、より迅速で忠実な画像を生成することが判明しましたか?
   • 分類子を使用しないガイダンス
   • クリップガイダンス
   • 案内なし
   • 手動編集
2. What size did the published full GLIDE base diffusion model have, before counting its upsampler?
   • About 3.5 thousand parameters
   • About 350 billion parameters
   • About 3.5 billion parameters
   • No trainable parameters
3. トレーニング中に分類子を使用しないガイダンスはどのように機能しますか?
   • モデルには正しいプロンプトのみが表示されます
   • 別の画像分類器も同時にトレーニングされます
   • プロンプトはランダムに数字に変換されます
   • モデルには実際のプロンプトが表示されることもあれば、空白のプロンプトが表示されることもあります
4. Which later system describes its diffusion decoder as modifying the GLIDE architecture in the DALL-E 2 research paper?
   • The original text-only GPT-2 model
   • The unCLIP system associated with DALL-E 2
   • The Whisper speech recognizer
   • The CLIP contrastive encoder alone
5. OpenAI は、なぜ GLIDE のフィルタリングされた小さいバージョンのみを公開したのですか?
   • 完全なモデルは紛失しました
   • スーパーコンピュータ上でのみ動作しました
   • 強力な画像生成ツールの悪用に関する懸念
   • サードパーティからのライセンス
6. GLIDE はどのような実用的な編集機能をサポートしていましたか?
   • テキスト駆動の修復
   • 音声転写
   • スプレッドシートの数式
   • ビデオレンダリング
7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
   • It replaced the text prompt with an audio transcript
   • It increased the resolution of the image produced by the base model
   • It converted the image into the training tokenizer's vocabulary
   • It supplied manual labels for every generated object
8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
   • It retrains the model weights after every generated pixel
   • It requires a separate class-label classifier to score every step
   • It replaces the conditional prediction with the unconditional one
   • It combines conditional and unconditional predictions, extrapolating toward the conditional one