점수 기반 생성 모델 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 이 모델이 학습하는 '점수'는 정확히 무엇입니까?
   • 입력에 대한 로그 확률 밀도의 기울기
   • 각 이미지에 대해 0에서 100까지의 품질 등급
   • 완료된 학습 에포크 수
   • 데이터 포인트의 분류 라벨
2. 점수 기반 모델이 여러 규모의 노이즈로 인해 손상된 데이터에 대해 훈련되는 이유는 무엇입니까?
   • 이미지를 예술적으로 보이게 하려면
   • 깨끗한 데이터가 희박한 곳에서는 점수를 추정하기 어렵고 해당 지역에는 노이즈가 가득 차 있기 때문입니다.
   • 데이터세트의 파일 크기를 줄이려면
   • 소음으로 인해 GPU 속도가 빨라지므로
3. 초기 점수 기반 모델은 데이터를 생성하기 위해 어떤 샘플링 절차를 사용했나요?
   • 고정된 대상 이미지를 향한 픽셀의 경사하강법
   • 단일 행렬 곱셈
   • Langevin 역학 — 노이즈를 추가하면서 악보를 따라 이동
   • 무작위 자르기 및 뒤집기
4. 2021년 점수-SDE 논문은 어떤 주요 연관성을 확립했습니까?
   • GAN은 항상 확산보다 낫다
   • 신경망은 이미지를 모델링할 수 없습니다
   • 점수 모델은 2차원에서만 작동합니다.
   • 확산 모델과 점수 기반 모델은 동일한 연속 SDE 프로세스에 대한 두 가지 관점입니다.
5. 잡음 예측은 잡음 제거 점수 매칭에서 점수 예측과 어떤 관련이 있습니까?
   • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
   • Noise prediction and score estimation are unrelated
   • 소음 예측은 불가능하다
   • 노이즈가 있는 데이터의 점수는 항상 0입니다.
6. 순수 확률론적 샘플링이 쉽게 제공할 수 없는 결정론적 '확률 흐름 ODE'는 무엇을 가능하게 합니까?
   • 더 높은 GPU 전력 소비
   • 정확한 우도 계산 및 결정론적 샘플링 경로
   • 자동 데이터세트 라벨링
   • 신경망의 필요성 제거
7. In score-based generation, what does the reverse-time SDE do?
   • It converts image labels into captions
   • It adds noise to an already generated output only
   • It transforms a prior noise distribution back toward the data distribution
   • It estimates the class label of each pixel
8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
   • Use the prior alone and ignore measured k-space data
   • Combine the learned score prior with the measurement constraint during posterior sampling
   • Replace all measurements with random noise
   • Treat the score as a diagnosis of the patient