조건부 GAN 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 조건부 GAN과 표준 GAN의 주요 차이점은 무엇입니까?
   • 출력을 제어하기 위해 두 네트워크에 클래스 레이블과 같은 추가 정보를 제공합니다.
   • 두 개의 발전기를 사용합니다.
   • 판별자를 제거합니다.
   • 이미지가 아닌 텍스트에서만 작동합니다.
2. 레이블이 지정된 숫자로 훈련된 cGAN에서 일반 GAN이 할 수 없는 작업은 무엇입니까?
   • 노이즈 입력 없이 실행
   • '7'과 같은 특정 숫자를 요청합니다.
   • 판별자를 완전히 건너뛰기
   • 흑백 노이즈만 생성
3. cGAN 판별자는 이미지가 실제처럼 보이는지 여부 외에 무엇을 확인해야 합니까?
   • 이미지의 파일 형식
   • 메가픽셀 단위의 해상도
   • 이미지가 지정된 라벨과 일치하는지 여부
   • 훈련 학습률
4. 발생기에 조절 신호를 공급하는 일반적인 방법은 무엇입니까?
   • 노이즈 벡터 삭제
   • 라벨 없이 학습
   • 별도의 물리적 센서 사용
   • 레이블을 노이즈 입력에 연결
5. 조건부 GAN은 이후 어떤 기능의 토대를 마련했습니까?
   • 텍스트-이미지 및 이미지-이미지 생성
   • 더 빠른 CPU
   • 스팸 이메일 필터링
   • 데이터베이스 인덱싱
6. 현대 확산 모델에서 컨디셔닝이라는 cGAN 아이디어는 종종 어떤 메커니즘으로 나타납니까?
   • 무작위 웨이트 클리핑
   • 텍스트 프롬프트의 교차 주의
   • 수동 픽셀 페인팅 전용
   • 소음 일정 비활성화
7. Why must a conditional discriminator see both the generated image and its conditioning label?
   • It uses the label to choose the learning-rate schedule
   • It converts the label into a random noise seed only
   • It needs to judge whether the image is realistic and whether it matches the requested condition
   • It prevents the generator from receiving noise
8. Besides concatenating a class label to the noise vector, which conditioning method is described in the guide?
   • A spectral-radius constraint
   • An inverse Hessian update
   • A sequence-level BLEU reward
   • A projection layer that scores compatibility between label and image features