가이드 연계 퀴즈 · 중간 레벨

자기회귀 이미지 생성 퀴즈

자동 회귀 이미지 모델이 이미지를 토큰 시퀀스로 인코딩하고 텍스트 프롬프트에서 한 번에 한 단계씩 생성하는 방법을 알아보세요.

관련 가이드 경로자기회귀 이미지 생성
질문 1 의 8

이미지 생성의 맥락에서 '자동 회귀'는 무엇을 의미합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 이미지 생성의 맥락에서 '자동 회귀'는 무엇을 의미합니까?
    • 각각의 새로운 요소는 이전에 생성된 요소를 조건으로 예측됩니다.
    • 각각의 새 요소는 텍스트 프롬프트만 사용하여 예측됩니다.
    • 전체 이미지에서 무작위 노이즈가 한 번에 제거됩니다.
    • 픽셀은 서로 완전히 독립적으로 생성됩니다.
  2. DALL-E 1과 같은 최신 자동 회귀 이미지 모델은 일반적으로 이미지를 예측하기 전에 어떻게 표현합니까?
    • 단일 연속 벡터로
    • 학습된 코드북의 개별 토큰의 고정 그리드
    • 원시 24비트 RGB 픽셀로만 사용
    • 벡터 그래픽 모양의 목록으로
  3. 한 번에 하나의 원시 픽셀 이미지를 생성한 초기 모델은 무엇입니까?
    • GAN 및 VAE
    • 안정적인 확산 및 영상화
    • PixelRNN 및 PixelCNN
    • 클립과 블립
  4. 자동 회귀 생성 중에 Transformer가 이전 토큰에만 주의를 기울이도록 보장하는 메커니즘은 무엇입니까?
    • 탈락
    • 일괄 정규화
    • 연결 건너뛰기
    • 인과적(마스크된) 자기 관심
  5. 자동회귀 이미지 샘플링의 실제적인 주요 단점은 무엇입니까?
    • 샘플링은 순차적이므로 느립니다.
    • 텍스트에 조건을 적용할 수 없습니다.
    • 미세한 세부 사항을 모델링할 수 없습니다.
    • 학습 데이터가 필요하지 않습니다.
  6. 많은 토큰을 병렬로 예측하여 토큰 기반 이미지 생성 속도를 높이는 기술은 무엇입니까?
    • 교사 강요
    • 마스크된 병렬 디코딩(예: MaskGIT/Muse)
    • 그라데이션 클리핑
    • 원-핫 인코딩
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs