변형 자동 인코더 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 주어진 입력에 대해 VAE 출력의 인코더는 무엇입니까?
   • 평균, 분산 등 확률 분포의 매개변수
   • 잠재공간의 단일 고정점
   • 클래스 라벨
   • 입력의 재구성된 사본
2. 재매개변수화 트릭의 목적은 무엇입니까?
   • 디코더를 더 크게 만들려면
   • 무작위 샘플링 단계를 통해 경사도가 흐르도록 하려면
   • 디코더의 필요성을 제거하려면
   • 잠재 공간을 더욱 압축하려면
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. 훈련 중에 VAE가 최대화하는 목적 함수는 다음과 같습니다.
   • 교차 엔트로피 천장
   • 적대적 손실
   • 평균 제곱 마진
   • 증거 하한(ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Stable Diffusion과 같은 잠재 확산 모델에서 VAE는 어떤 역할을 합니까?
   • 훈련 이미지에 라벨을 붙입니다.
   • 확산이 실행되는 잠재 공간으로 이미지를 압축한 다음 다시 픽셀로 디코딩합니다.
   • 텍스트 인코더를 대체합니다.
   • 소음 수준을 예약합니다.
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)