가이드 연계 퀴즈 · 중간 레벨

잠재 확산 모델 퀴즈

잠재 확산, 자동 인코더 압축, 텍스트 조건화, 계산 상충관계 및 잡음 예측 훈련을 평가합니다.

관련 가이드 경로잠재 확산 모델
질문 1 의 8

픽셀 공간 확산과 비교하여 잠재 확산 모델의 주요 혁신은 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 픽셀 공간 확산과 비교하여 잠재 확산 모델의 주요 혁신은 무엇입니까?
    • 원시 픽셀 대신 압축된 잠재 공간에서 확산 프로세스를 실행합니다.
    • 신경망이 필요하지 않습니다.
    • 흑백 이미지에서만 작동합니다.
    • 훈련 데이터가 전혀 필요하지 않습니다.
  2. In latent diffusion, what does the first-stage autoencoder do?
    • Predicts text tokens without processing images
    • Encodes an image into a latent representation and decodes latents back into images
    • Replaces the diffusion model at every denoising step
    • Classifies a prompt as safe or unsafe
  3. 잠재적 확산에서 텍스트는 일반적으로 잡음 제거 U-Net에 어떻게 주입됩니까?
    • 원시 텍스트 문자열을 이미지에 연결하여
    • 픽셀을 수동으로 편집하여
    • 텍스트 임베딩을 사용한 교차 관심 레이어를 통해
    • 텍스트는 전혀 사용할 수 없습니다.
  4. Why can denoising in a latent diffusion model reduce computation compared with pixel-space diffusion?
    • The model skips all image decoding
    • The diffusion network uses no neural layers
    • The model removes every denoising step
    • The denoiser operates on a smaller spatial latent grid, though decoding is still needed at the end
  5. Which first-stage autoencoder regularization variants does the original latent diffusion paper investigate?
    • KL-regularized and vector-quantized autoencoders
    • Only a classifier-free guidance model
    • Only a causal language model
    • A decoder that has no learned parameters
  6. 확산 모델은 훈련 중에 무엇을 배우나요?
    • 이미지를 카테고리로 분류하려면
    • 점진적인 노이즈 프로세스를 반전하고 단계별로 노이즈를 제거하려면
    • 텍스트를 오디오로 압축하려면
    • 언어를 번역하려면
  7. In the paper’s f=8 autoencoder configuration, what does the downsampling factor describe?
    • The model uses eight separate text encoders
    • Every input is reduced to exactly eight pixels
    • Each spatial dimension of the latent grid is reduced by a factor of eight
    • The diffusion model performs eight total training updates
  8. How does the latent diffusion paper inject spatial conditions such as semantic layouts into the denoiser?
    • It converts the layout into an English sentence only
    • It removes spatial coordinates before denoising
    • It uses the condition only after decoding to pixels
    • It concatenates the spatial condition with the latent representation along channels