가이드 연계 퀴즈 · 중간 레벨

비디오 확산 모델 퀴즈

비디오 확산 노이즈 제거, 잠재 표현, 시간 모델링, 텍스트 안내 및 속도-품질 균형을 평가합니다.

관련 가이드 경로비디오 확산 모델
질문 1 의 8

확산 모델의 기본 아이디어는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 확산 모델의 기본 아이디어는 무엇입니까?
    • 점차적으로 노이즈를 추가하는 프로세스를 역전시켜 단계별로 노이즈를 제거하는 방법 학습
    • 기존 비디오에서 프레임 복사
    • 오디오를 이미지로 압축
    • 보안을 위한 데이터 암호화
  2. For a video diffusion model, what does temporal modeling add to the denoising process?
    • It guarantees every object remains physically correct
    • It lets the model represent dependencies among frames over time
    • It removes the image decoder from the pipeline
    • It turns each video into one text token
  3. Why does the cited Stable Video Diffusion model use a latent representation?
    • To avoid using any learned decoder
    • To store all frames as discrete text tokens
    • To perform video diffusion on compressed latents before decoding frames
    • To guarantee there will be no flicker
  4. How did the Stable Video Diffusion paper adapt an image diffusion model for video?
    • It replaced every image layer with a speech recognizer
    • It trained only a language model on video captions
    • It removed the image model and used optical flow alone
    • It inserted temporal layers into a pretrained image model and fine-tuned them on video data
  5. 비디오 확산 모델이 텍스트 프롬프트를 강력하게 따르는 데 도움이 되는 기술은 무엇입니까?
    • 분류자 없는 안내
    • 프레임의 무작위 셔플링
    • 해상도 낮추기
    • 프롬프트를 완전히 제거
  6. 증류 및 더 빠른 솔버와 같은 기술이 비디오 확산에 적용되는 이유는 무엇입니까?
    • 모델이 데이터를 잊어버리게 하려면
    • 다단계 노이즈 제거 샘플링이 느리고 단계 수가 줄어들기 때문입니다.
    • 영구적으로 더 많은 노이즈를 추가하려면
    • 텍스트 프롬프트를 비활성화하려면
  7. In the Stable Video Diffusion paper, what distinguishes the SVD-XT model from the 14-frame SVD model?
    • It replaces diffusion with autoregressive text generation
    • It removes temporal layers and generates only a still image
    • SVD-XT is fine-tuned to generate 25 frames instead of 14
    • It uses audio tokens as the only conditioning input
  8. What is one tradeoff when using fewer denoising steps through distillation or a faster solver?
    • Zero compute is required
    • The video no longer needs conditioning
    • Every result becomes temporally perfect
    • Faster generation may change fidelity or motion quality and must be evaluated