Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Penyebaran Video Stabil
Fahami titik semakan imej-ke-video Stable Video Diffusion, lapisan temporal, latihan berperingkat dan had lesen model.
soalan 1 daripada 8
What input does a public Stable Video Diffusion image-to-video checkpoint use?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- What input does a public Stable Video Diffusion image-to-video checkpoint use?
- Satu imej pegun
- Fail mesh 3D
- Lakon layar teks penuh sahaja
- Satu rakaman mikrofon
- Apakah yang ditambahkan SVD pada seni bina Stable Diffusion imej pegun untuk mengendalikan gerakan?
- Palet warna yang lebih besar
- Lapisan sementara menyambungkan bingkai dari semasa ke semasa
- Modul sintesis audio
- Penyemak ejaan untuk kapsyen
- Resapan Video Stabil melakukan denoisingnya dalam jenis ruang untuk menjimatkan pengiraan?
- Ruang piksel resolusi penuh mentah
- Domain kekerapan sahaja
- Ruang terpendam termampat
- Ruang token teks
- What was significant about SVD’s research release?
- It removed all license conditions
- It was accessible only as a closed cloud API
- It released audio weights but no video model
- It made code and model weights available for research and adaptation under their license terms
- Kira-kira berapa banyak bingkai yang biasanya dijana oleh pusat pemeriksaan awam SVD?
- Sekitar 14 hingga 25 bingkai
- Tepat 1 bingkai
- Beberapa ribu bingkai
- Aliran berterusan tanpa had
- Apakah pendekatan latihan yang ditekankan oleh Stability AI untuk SVD?
- Satu latihan satu pukulan dijalankan pada klip rawak
- Resipi berperingkat: pralatihan imej, pralatihan video, kemudian penalaan berkualiti tinggi
- Latihan hanya pada imej pegun
- Tiada latihan awal sama sekali
- What downstream video adaptation does the SVD paper discuss using LoRA?
- Speaker-identity adaptation for audio
- Automatic SQL generation
- Camera-motion-specific adaptation
- Dependency-label prediction
- What additional visual-generation capability did the SVD paper explore from its base model?
- Generating a dependency parse for every frame
- Separating a song into instrument stems
- Estimating speech intelligibility
- Fine-tuning a model to jointly generate multiple views of objects