Gids-gekoppelde quiz · Middelmatig Niveau
Consistentiemodellen Quiz
Begrijp hoe consistentiemodellen generatie in één of enkele stappen leren van diffusietrajecten en randvoorwaarden.
Vraag 1 van 8
Welk kernprobleem met diffusiemodellen pakken consistentiemodellen aan?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welk kernprobleem met diffusiemodellen pakken consistentiemodellen aan?
- Diffusiebemonstering is traag omdat er veel iteratieve stappen nodig zijn
- Diffusie kan geen kleurenafbeeldingen genereren
- Diffusie gebruikt te weinig geheugen
- Verspreiding werkt alleen op tekst
- Wat is de 'zelfconsistentie'-eigenschap waar deze modellen aan moeten voldoen?
- Elke afbeelding moet dezelfde kleur hebben
- Elk punt op een traject van ruis naar gegevens wordt toegewezen aan hetzelfde schone eindpunt
- Het model moet het eens zijn met een menselijke labeler
- De uitvoer moet gelijk zijn aan de invoerruis
- Aan welke randvoorwaarde moet de consistentiefunctie op tijdstip nul voldoen?
- Het moet pure ruis produceren
- Er moet een zwart beeld worden weergegeven
- Het moet fungeren als de identiteit (de invoer ongewijzigd retourneren)
- Het moet het datasetgemiddelde weergeven
- Hoe kan een consistentiemodel worden gemaakt op basis van een bestaand diffusiemodel?
- Door willekeurig de helft van de lagen te verwijderen
- Door het om te zetten in een beslisboom
- Door het alleen op tekstgegevens te trainen
- Door consistentiedestillatie van het voorgetrainde diffusiemodel
- Welke techniek stabiliseert consistentietraining door leerdoelen te bieden?
- Een doelnetwerk bijgewerkt als een exponentieel voortschrijdend gemiddelde
- Willekeurig verwijderen van de verliesfunctie
- Verdubbeling van de leersnelheid bij elke stap
- Slechts één trainingsbeeld gebruiken
- How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
- Hundreds of steps in every setting
- Two to four sampling steps
- Exactly one training epoch
- No sampling or model evaluation
- What are two training routes introduced for consistency models?
- Only supervised image classification
- Only adversarial training with a discriminator
- Consistency distillation from a pretrained diffusion model and standalone consistency training
- Token prediction and masked language modeling
- Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
- Speech diarization and speaker verification
- Machine translation and summarization
- Database query planning and code completion
- Inpainting, colorization and super-resolution