Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pensampel DDPM dan DDIM

Bandingkan pensampelan terbalik DDPM dan DDIM, termasuk latihan dikongsi, kawalan stokastik, langkau langkah masa dan anggaran imej bersih.

Laluan panduan yang berkaitanPensampel Ddpm Dan Ddim
soalan 1 daripada 8

Apakah kelebihan praktikal utama DDIM berbanding DDPM?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah kelebihan praktikal utama DDIM berbanding DDPM?
    • Ia boleh menghasilkan imej yang setanding dalam langkah persampelan yang jauh lebih sedikit
    • Ia memerlukan rangkaian terlatih yang sama sekali berbeza
    • Ia menambah lebih banyak bunyi rawak pada setiap langkah untuk kualiti yang lebih baik
    • Ia hanya berfungsi pada imej hitam-putih
  2. Apakah yang sebenarnya dipelajari oleh rangkaian saraf model penyebaran semasa latihan?
    • Kapsyen akhir untuk imej itu
    • Bunyi yang telah ditambahkan pada imej pada langkah masa tertentu
    • Nisbah mampatan imej
    • Tetapan kamera yang digunakan untuk mengambil foto
  3. Mengapakah DDIM boleh menghasilkan imej yang sama daripada bunyi permulaan yang sama setiap kali?
    • Kerana ia menyimpan imej yang dijana sebelum ini
    • Kerana ia sentiasa menggunakan gesaan tetap
    • Kerana proses persampelannya adalah deterministik tanpa kerawak yang disuntik
    • Kerana purata banyak larian rawak bersama-sama
  4. Dalam DDIM, apakah nilai parameter eta memulihkan tingkah laku DDPM stokastik asal?
    • eta = 0
    • eta = -1
    • eta = 100
    • eta = 1
  5. Kira-kira berapa banyak langkah yang biasanya diperlukan DDPM asal untuk sampel berkualiti tinggi?
    • Beratus-ratus hingga lebih kurang seribu langkah
    • Tepat 3 langkah
    • Satu langkah
    • Lebih satu juta langkah
  6. Yang manakah antara ini merupakan anggaran kuantiti perantaraan utama DDIM sebelum melangkah ke hadapan?
    • Saiz fail output
    • Imej bersih yang diramalkan x0
    • Panjang benam segera pengguna
    • Suhu GPU
  7. What does DDIM change compared with DDPM when using a model trained with the DDPM procedure?
    • It replaces the network with a text classifier
    • It changes the training data from images to audio
    • It changes the sampling trajectory while reusing the trained denoising network
    • It removes the need to estimate noise
  8. Why can DDIM skip selected diffusion timesteps during sampling?
    • The training process never added noise
    • Each skipped timestep is replaced by a larger image
    • It copies an earlier generated image from a cache
    • Its non-Markovian sampling path can connect noise levels without visiting every training step