Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Model Resapan GLIDE

Terokai penjanaan dan pengecatan berpandukan teks GLIDE, latihan bersyarat, pensampelan tanpa pengelas dan seni bina model sejarahnya.

Laluan panduan yang berkaitanModel Resapan Glide
soalan 1 daripada 8

Kaedah panduan manakah yang GLIDE dapati menghasilkan imej yang lebih baik, lebih tepat pada masanya?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Kaedah panduan manakah yang GLIDE dapati menghasilkan imej yang lebih baik, lebih tepat pada masanya?
    • Panduan tanpa pengelas
    • bimbingan CLIP
    • Tiada bimbingan
    • Suntingan manual
  2. Apakah saiz model resapan asas GLIDE penuh yang diterbitkan, sebelum mengira pengsampel naiknya?
    • About 3.5 thousand parameters
    • About 350 billion parameters
    • About 3.5 billion parameters
    • No trainable parameters
  3. Bagaimanakah panduan tanpa pengelas berfungsi semasa latihan?
    • Model hanya pernah melihat gesaan yang betul
    • Pengelas imej yang berasingan dilatih bersama
    • Gesaan diterjemahkan kepada nombor secara rawak
    • Model kadangkala melihat gesaan sebenar dan kadang kala kosong
  4. Sistem kemudian yang manakah menyifatkan penyahkod resapannya sebagai mengubah suai seni bina GLIDE dalam kertas penyelidikan DALL-E 2?
    • The original text-only GPT-2 model
    • The unCLIP system associated with DALL-E 2
    • The Whisper speech recognizer
    • The CLIP contrastive encoder alone
  5. Mengapakah OpenAI hanya mengeluarkan versi GLIDE yang lebih kecil dan ditapis secara terbuka?
    • Model penuh telah hilang
    • Ia hanya berjalan pada superkomputer
    • Kebimbangan tentang penyalahgunaan penjana imej yang berkuasa
    • Pelesenan daripada pihak ketiga
  6. Apakah ciri penyuntingan praktikal yang disokong oleh GLIDE?
    • Lukisan didorong teks
    • Transkripsi audio
    • Formula hamparan
    • Penyampaian video
  7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
    • It replaced the text prompt with an audio transcript
    • It increased the resolution of the image produced by the base model
    • It converted the image into the training tokenizer's vocabulary
    • It supplied manual labels for every generated object
  8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
    • It retrains the model weights after every generated pixel
    • It requires a separate class-label classifier to score every step
    • It replaces the conditional prediction with the unconditional one
    • It combines conditional and unconditional predictions, extrapolating toward the conditional one