Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Penjana Berskala GigaGAN

Terokai seni bina berhawa dingin GigaGAN, kelajuan penjanaan, diskriminator berbilang skala, pengeditan terpendam dan pensampel tinggi resolusi tinggi yang berasingan.

Laluan panduan yang berkaitanPenjana Berskala Gigagan
soalan 1 daripada 8

What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
    • 1.0 billion total across the 652.5M base generator and 359.1M upsampler
    • 70 million total across a 64M generator and 6M discriminator
    • 1.0 billion in the base generator alone, with no upsampler
    • 3.5 billion total across two text encoders
  2. Apakah kelebihan kelajuan utama GigaGAN berbanding model penyebaran?
    • Ia tidak memerlukan GPU
    • Ia menjana imej dalam satu hantaran ke hadapan dan bukannya banyak langkah denoising
    • Ia berlatih dalam satu saat
    • Ia tidak menggunakan rangkaian saraf
  3. Apakah yang dilakukan oleh 'pemilihan kernel penyesuaian sampel' GigaGAN?
    • Memadamkan piksel yang tidak digunakan
    • Memampatkan imej kepada JPEG
    • Menggabungkan sekumpulan penapis lilitan menggunakan pemberat yang diperoleh daripada gesaan teks
    • Memilih GPU secara automatik
  4. Bagaimanakah GigaGAN menggabungkan maklumat teks ke dalam penjanaan imej?
    • Dengan memangkas gesaan
    • Ia mengabaikan teks sepenuhnya
    • Dengan mencetak teks pada imej
    • Melalui perhatian silang kepada pembenaman teks dan ciri CLIP yang sepadan
  5. Keupayaan tambahan manakah yang GigaGAN sediakan melangkaui penjanaan asas?
    • Sampler GAN berasingan yang boleh mencapai resolusi 4K
    • Sintesis audio
    • Pengecaman pertuturan
    • Pertanyaan pangkalan data
  6. Mengapakah ruang terpendam GigaGAN berguna untuk alat penyuntingan?
    • Ia tidak boleh diedit
    • Ia menyokong interpolasi lancar dan pencampuran gaya untuk perubahan yang boleh dikawal
    • Ia hanya menyimpan teks
    • Ia memadamkan imej selepas satu penggunaan
  7. How does GigaGAN’s image discriminator make predictions across resolutions?
    • It scores only the text prompt and ignores generated images
    • It predicts one label at the final resolution only
    • It receives an image pyramid and predicts real or fake at multiple input and downsampling scales
    • It compares generated images with a fixed set of training captions only
  8. What does GigaGAN’s base generator produce for later multi-scale processing?
    • A single class label for the entire image
    • A sequence of text tokens for an autoregressive decoder
    • Only the final upsampled image, with no intermediate scales
    • An image pyramid with outputs at several resolutions