Gids-gekoppelde quiz · Middelmatig Niveau
CLIP- en Visie-Taalmodellen Quiz
Bekijk de gedeelde weergaven en contrastieve koppelingen van CLIP, met zero-shot-labels, originele encoderfamilies, batchscoretellingen en unCLIP.
Vraag 1 van 8
Wat is het kernidee achter CLIP?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat is het kernidee achter CLIP?
- Afbeeldingen comprimeren tot kleinere bestanden
- Afbeeldingen en tekst in dezelfde gedeelde insluitingsruimte plaatsen
- 3D-modellen genereren uit foto's
- Spraak vertalen naar tekst
- Welke trainingsaanpak gebruikt CLIP?
- Versterk het leren van menselijke feedback
- Elk object in elke afbeelding met de hand labelen
- Contrastief leren dat overeenkomende beeld-tekstparen samenbrengt
- Gewichten kopiëren uit een spraakmodel
- What does zero-shot classification mean in the original CLIP transfer setup?
- Using text-defined candidate categories without new task-specific supervised classifier fitting
- Using a model that never received any pretraining data
- Running without any computation or electricity
- A guarantee that every category is classified correctly
- Hoe meet CLIP of een afbeelding en een bijschrift overeenkomen?
- Door vergelijking van de bestandsgrootte
- Door pixels van elke kleur te tellen
- Door het tijdstempel van de afbeelding te controleren
- Door cosinus-overeenkomst tussen hun vectoren
- Op hoeveel data is CLIP ongeveer getraind?
- Een paar duizend met de hand gelabelde afbeeldingen
- Alleen tekst, geen afbeeldingen
- Ongeveer 400 miljoen beeld-tekstparen van internet
- Eén samengestelde museumcollectie
- How does the cited unCLIP image-generation paper use CLIP representations?
- The original standalone CLIP encoder directly outputs every image pixel
- A prior supplies CLIP image embeddings to a generative decoder
- It removes all image representations and uses only filenames
- It uses CLIP only as a network-encryption protocol
- Which image-encoder families were evaluated in the original CLIP paper?
- Only recurrent text encoders
- Only a mandatory linear pixel average
- Only a raw audio codec
- Modified ResNets and Vision Transformers
- A CLIP batch contains 32 paired images and texts. How many entries are in its full cross-modal score matrix?
- 1024
- 32
- 64
- 992