가이드 연계 퀴즈 · 중간 레벨

GLIDE 확산 모델 퀴즈

GLIDE 텍스트 기반 생성 및 인페인팅, 조건부 학습, 분류 없는 샘플링, 과거 모델 아키텍처를 살펴보세요.

관련 가이드 경로글라이드 확산 모델
질문 1 의 8

GLIDE는 어떤 안내 방법을 통해 더 좋고, 더 신속하고 충실한 이미지를 생성했습니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. GLIDE는 어떤 안내 방법을 통해 더 좋고, 더 신속하고 충실한 이미지를 생성했습니까?
    • 분류자 없는 안내
    • CLIP 안내
    • 안내 없음
    • 수동 편집
  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. 훈련 중에 분류자가 없는 안내는 어떻게 작동하나요?
    • 모델은 올바른 프롬프트만 봅니다.
    • 별도의 이미지 분류기가 함께 학습됩니다.
    • 프롬프트는 무작위로 숫자로 변환됩니다.
    • 모델은 때때로 실제 프롬프트를 보고 때로는 빈 프롬프트를 봅니다.
  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. OpenAI에서 더 작고 필터링된 GLIDE 버전만 공개적으로 출시한 이유는 무엇입니까?
    • 전체 모델이 손실되었습니다.
    • 슈퍼컴퓨터에서만 실행됨
    • 강력한 이미지 생성기의 오용 우려
    • 제3자로부터 라이센스 받기
  6. GLIDE는 어떤 실용적인 편집 기능을 지원했나요?
    • 텍스트 기반 인페인팅
    • 오디오 전사
    • 스프레드시트 수식
    • 비디오 렌더링
  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