가이드 연계 퀴즈 · 중간 레벨
Tune-A-Video 원샷 편집 퀴즈
Tune-A-Video가 하나의 비디오, 시간적 주의, 반전 및 텍스트 안내 편집을 사용하여 이미지 확산 모델을 어떻게 조정하는지 테스트합니다.
질문 1 의 8
Tune-A-Video를 비디오에 적용하기 전에 어떤 기본 모델에서 시작합니까?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- Tune-A-Video를 비디오에 적용하기 전에 어떤 기본 모델에서 시작합니까?
- Stable Diffusion과 같은 사전 훈련된 텍스트-이미지 확산 모델
- 대규모 언어 모델
- 수백만 개의 클립을 대상으로 처음부터 훈련된 비디오 모델
- GAN 기반 이미지 생성기
- Tune-A-Video에서 '원샷'이란 무엇을 의미합니까?
- 단일 노이즈 제거 단계에서 생성
- 하나의 소스 비디오로만 튜닝
- 전체 데이터세트에 하나의 프롬프트 사용
- 단일 GPU에서 실행
- Tune-A-Video의 희소 인과 어텐션은 비디오 프레임을 어떻게 연결하나요?
- Frames are generated fully independently
- Every frame is averaged into one image
- Each frame can attend to the first frame and the preceding frame
- Attention is disabled across all frames
- Tune-A-Video가 편집을 샘플링하기 전에 DDIM 인버전은 무엇을 제공하나요?
- A compressed audio track
- A new video caption
- A camera calibration file
- A source-conditioned latent that guides generation from the input video
- 조정 중에 효율성을 유지하기 위해 Tune-A-Video는 주로 무엇을 업데이트합니까?
- 주의/시간적 매개변수의 작은 세트
- 전체 모델의 모든 무게
- 텍스트 인코더 어휘만
- 이미지 디코더만
- What limitation motivated later tuning-free video-editing methods?
- It can only edit audio
- Tune-A-Video requires per-video tuning before editing a new clip
- It supports no text prompt
- It was trained only on black-and-white images
- Which editing capability did the Tune-A-Video paper demonstrate?
- Automatic speech-quality scoring
- 3D camera-pose recovery from photos
- Text-guided style transfer on a source video
- Instrument-stem separation
- Which content change can Tune-A-Video apply to a source clip using text?
- Measuring packet latency
- Estimating pitch from a monophonic signal
- Recovering 3D scene geometry from uncalibrated photos
- Changing a subject or background while trying to retain source motion