MaskGIT 병렬 토큰 디코딩 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. MaskGIT는 VQGAN의 변환기와 어떻게 이미지 토큰을 다르게 디코딩합니까?
   • 토큰을 병렬로 예측하고 몇 단계를 거쳐 개선합니다.
   • 래스터 순서로 한 번에 하나의 토큰을 예측합니다.
   • 변압기를 사용하지 않습니다.
   • 텍스트만 생성합니다.
2. MaskGIT는 언어 모델에서 어떤 훈련 목표를 차용합니까?
   • 다음 단어만으로 예측
   • BERT와 같은 마스크된 토큰 예측
   • 이미지 분류
   • 인간 피드백을 통한 강화 학습
3. 생성하는 동안 MaskGIT는 각 반복마다 어떤 토큰을 커밋합니까?
   • 신뢰도가 가장 낮은 사람
   • 무작위 토큰
   • 신뢰도가 가장 높은 예측
   • 1단계에서 모든 토큰을 한 번에
4. In the original MaskGIT generation examples, roughly how many refinement iterations were often used?
   • Exactly one iteration for every image and task
   • Hundreds of sequential token predictions
   • A fixed number that cannot be changed by the user
   • About 8 to 12 in those reported configurations
5. MaskGIT가 각 단계를 공개하는 토큰 수를 제어하는 일정은 무엇입니까?
   • 코사인 마스킹 일정
   • 모든 것을 한꺼번에 드러내는 선형만의 규칙
   • 일정이 없습니다. 무작위야
   • 단계당 고정된 하나의 토큰
6. 양방향 주의가 MaskGIT에 도움이 되는 이유는 무엇입니까?
   • 모델로부터 이미지를 숨깁니다.
   • 더 나은 맥락을 위해 각 토큰이 전체 부분 이미지를 볼 수 있게 해줍니다.
   • 이전 토큰만 살펴봅니다.
   • 토큰이 필요하지 않습니다.
7. What token grid does MaskGIT begin with when generating an image?
   • A fully decoded image that only needs color correction
   • A left-to-right stream with no masked positions
   • A grid with every image token masked
   • A grid of text embeddings from the prompt only
8. How can MaskGIT fill a masked region during image inpainting?
   • Discard the observed image and generate an unrelated full image
   • Use only a left-to-right text decoder with no image tokens
   • Replace every visible token with a random codebook entry
   • Keep observed image tokens as context and iteratively predict the masked positions