가이드 연계 퀴즈 · 중간 레벨

CLIP 및 Vision-언어 모델 퀴즈

제로샷 라벨, 원본 인코더 제품군, 배치 점수 카운트 및 unCLIP을 통해 CLIP의 공유 표현 및 대조 페어링을 검토하세요.

관련 가이드 경로클립 및 비전 언어 모델
질문 1 의 8

CLIP의 핵심 아이디어는 무엇인가요?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. CLIP의 핵심 아이디어는 무엇인가요?
    • 이미지를 더 작은 파일로 압축
    • 동일한 공유 임베딩 공간에 이미지와 텍스트 배치
    • 사진에서 3D 모델 생성
    • 음성을 텍스트로 번역
  2. CLIP은 어떤 교육 접근 방식을 사용합니까?
    • 인간 피드백을 통한 강화 학습
    • 모든 이미지의 모든 개체에 직접 라벨 지정
    • 일치하는 이미지-텍스트 쌍을 하나로 모으는 대조 학습
    • 음성 모델에서 가중치 복사
  3. What does zero-shot classification mean in the original CLIP transfer setup?
    • Using text-defined candidate categories without new task-specific supervised classifier fitting
    • Using a model that never received any pretraining data
    • Running without any computation or electricity
    • A guarantee that every category is classified correctly
  4. CLIP은 이미지와 캡션이 일치하는지 어떻게 측정하나요?
    • 파일 크기 비교로
    • 각 색상의 픽셀을 계산하여
    • 이미지의 타임스탬프를 확인하여
    • 벡터 간의 코사인 유사성
  5. CLIP은 대략 얼마나 많은 데이터를 학습했나요?
    • 수천 개의 손으로 라벨을 붙인 이미지
    • 텍스트만 있고 이미지는 없습니다.
    • 웹에서 가져온 약 4억 개의 이미지-텍스트 쌍
    • 단일 선별된 박물관 컬렉션
  6. How does the cited unCLIP image-generation paper use CLIP representations?
    • The original standalone CLIP encoder directly outputs every image pixel
    • A prior supplies CLIP image embeddings to a generative decoder
    • It removes all image representations and uses only filenames
    • It uses CLIP only as a network-encryption protocol
  7. Which image-encoder families were evaluated in the original CLIP paper?
    • Only recurrent text encoders
    • Only a mandatory linear pixel average
    • Only a raw audio codec
    • Modified ResNets and Vision Transformers
  8. A CLIP batch contains 32 paired images and texts. How many entries are in its full cross-modal score matrix?
    • 1024
    • 32
    • 64
    • 992