Imagen テキストから画像へのクイズ

クイズに答えると、答えと解説が表示されます。

1. In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
   • Discarding the language encoder entirely
   • Increasing the pretrained text encoder's size rather than the diffusion model's size
   • Replacing diffusion with nearest-neighbor image lookup
   • Reducing every prompt to a single word
2. Imagen はどのテキスト エンコーダに依存していますか?
   • 畳み込み画像ネット
   • 小型LSTM
   • 手書きのルールセット
   • 凍結された T5-XXL 言語モデル
3. Imagen はどのようにして高解像度を達成するのでしょうか?
   • 超解像度アップスケーリングステージによるカスケード拡散
   • 単一の巨大な世代のステップ
   • 大きなストック写真をトリミングすることで
   • 2枚の画像を補間することで
4. What problem did original Imagen's dynamic thresholding address under strong guidance?
   • A lack of text tokens in the encoder vocabulary
   • The need to compress the final PNG file
   • Saturation of predicted pixel values during sampling
   • A missing training label for every object
5. ドローベンチとは何ですか?
   • お絵描きタブレット
   • GPUブランド
   • 猫の写真のデータセット
   • テキストから画像へのモデルを評価するための難しいプロンプトのベンチマーク
6. T5-XXL エンコーダが Imagen でフリーズしたままになるのはなぜですか?
   • 壊れていてトレーニングできない
   • さらなるチューニングを必要とせずに、事前トレーニング転送によるリッチ テキストの理解
   • ディスク容量のみを節約する場合
   • 文章は関係ないので
7. What resolution did original Imagen's base diffusion model generate before its super-resolution stages?
   • 256 by 256 pixels as the first stage
   • 1024 by 1024 pixels directly
   • 64 by 64 pixels
   • A single pixel that was copied across the final image
8. Why did the Imagen researchers add Gaussian noise to low-resolution conditioning images during super-resolution training?
   • To make the upsamplers more robust to imperfect inputs from earlier stages
   • To remove text conditioning from the entire cascade
   • To guarantee that all training images had the same caption
   • To replace the upsamplers with deterministic resizing