Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Model CLIP dan Visi-Bahasa

Semak perwakilan kongsi dan gandingan kontras CLIP, dengan label sifar tangkapan, keluarga pengekod asal, kiraan skor kelompok dan unCLIP.

Laluan panduan yang berkaitanModel Bahasa Klip Dan Visi
soalan 1 daripada 8

Apakah idea teras di sebalik CLIP?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah idea teras di sebalik CLIP?
    • Memampatkan imej kepada fail yang lebih kecil
    • Meletakkan imej dan teks ke dalam ruang pembenaman kongsi yang sama
    • Menjana model 3D daripada foto
    • Menterjemah ucapan ke dalam teks
  2. Apakah pendekatan latihan yang digunakan CLIP?
    • Pembelajaran pengukuhan daripada maklum balas manusia
    • Pelabelan tangan setiap objek dalam setiap imej
    • Pembelajaran kontrastif yang menarik padanan pasangan teks imej bersama-sama
    • Menyalin pemberat daripada model pertuturan
  3. What does zero-shot classification mean in the original CLIP transfer setup?
    • Using text-defined candidate categories without new task-specific supervised classifier fitting
    • Using a model that never received any pretraining data
    • Running without any computation or electricity
    • A guarantee that every category is classified correctly
  4. Bagaimanakah CLIP mengukur sama ada imej dan kapsyen sepadan?
    • Mengikut perbandingan saiz fail
    • Dengan mengira piksel setiap warna
    • Dengan menyemak cap masa imej
    • Dengan persamaan kosinus antara vektor mereka
  5. Secara kasar berapa banyak data yang dilatih CLIP?
    • Beberapa ribu imej berlabel tangan
    • Hanya teks, tiada imej
    • Kira-kira 400 juta pasangan teks imej daripada web
    • Satu koleksi muzium terpilih
  6. How does the cited unCLIP image-generation paper use CLIP representations?
    • The original standalone CLIP encoder directly outputs every image pixel
    • A prior supplies CLIP image embeddings to a generative decoder
    • It removes all image representations and uses only filenames
    • It uses CLIP only as a network-encryption protocol
  7. Which image-encoder families were evaluated in the original CLIP paper?
    • Only recurrent text encoders
    • Only a mandatory linear pixel average
    • Only a raw audio codec
    • Modified ResNets and Vision Transformers
  8. A CLIP batch contains 32 paired images and texts. How many entries are in its full cross-modal score matrix?
    • 1024
    • 32
    • 64
    • 992