Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pengimejan Autoregresif Parti Pathways

Token imej autoregresif Parti Uji, pembinaan semula ViT-VQGAN, hasil penskalaan yang diperhatikan, penilaian PartiPrompts dan had kesetiaan segera.

Laluan panduan yang berkaitanPengimejan Autoregresif Parti Pathways
soalan 1 daripada 8

Bagaimanakah Parti menjana imej?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Bagaimanakah Parti menjana imej?
    • Dengan menolak bunyi rawak dalam banyak langkah
    • Dengan meramalkan satu token imej pada satu masa, seperti menulis ayat
    • Dengan mencantumkan stok foto
    • Dengan melukis laluan vektor
  2. Apakah pembingkaian keseluruhan yang Parti gunakan untuk tugasan teks ke imej?
    • Masalah kluster
    • Permainan pembelajaran pengukuhan
    • Carian jiran terdekat
    • Masalah terjemahan urutan ke urutan
  3. What did the Parti researchers observe when comparing their model scales up to 20 billion parameters?
    • Consistent quality improvements in their reported evaluations
    • A proof that every larger image model always answers every prompt correctly
    • Identical outputs and quality at every model scale
    • An elimination of every counting and spelling error
  4. Apakah yang menukar imej kepada token diskret untuk Parti?
    • Hamparan
    • U-Net resapan
    • Tokenizer ViT-VQGAN
    • Pengecam ucapan
  5. What generation dependency creates sequential decoding work in Parti?
    • Every pixel must be manually drawn by the user
    • The text encoder can only read a grayscale image
    • The tokenizer requires an AIS position message
    • Each new image-token prediction depends on the previously generated token prefix
  6. Apakah PartiPrompts?
    • Set data muzik
    • Penanda aras lebih 1,600 gesaan teks yang mencabar
    • Aplikasi penyuntingan foto
    • Sejenis GPU
  7. In Parti, what turns the generated visual-token sequence into image pixels?
    • The PartiPrompts category label alone
    • The user's text file extension
    • The image tokenizer's decoder
    • A fixed list of object names
  8. Does original Parti's reported scaling improvement establish perfect counting or spelling on every prompt?
    • No; the paper also documents prompt-dependent failures and inconsistencies
    • Yes; the largest scale guarantees exact counts for every scene
    • Yes; a benchmark removes all spelling errors by definition
    • Only if the prompt has no text