Gids-gekoppelde quiz · Middelmatig Niveau

DDPM- en DDIM-samplerquiz

Vergelijk DDPM en DDIM reverse sampling, inclusief gedeelde training, stochasticiteitscontroles, overslaan van tijdstappen en schattingen van schone afbeeldingen.

Gerelateerde gidspadenDdpm en Ddim-samplers
Vraag 1 van 8

Wat is het belangrijkste praktische voordeel van DDIM ten opzichte van DDPM?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is het belangrijkste praktische voordeel van DDIM ten opzichte van DDPM?
    • Het kan vergelijkbare beelden produceren in veel minder bemonsteringsstappen
    • Het vereist een heel ander getraind netwerk
    • Het voegt bij elke stap meer willekeurige ruis toe voor een betere kwaliteit
    • Het werkt alleen op zwart-witafbeeldingen
  2. Wat leert het neurale netwerk van een diffusiemodel eigenlijk te voorspellen tijdens de training?
    • Het laatste bijschrift voor de afbeelding
    • De ruis die op een bepaalde tijdstap aan een afbeelding is toegevoegd
    • De compressieverhouding van de afbeelding
    • De camera-instellingen die zijn gebruikt om de foto te maken
  3. Waarom kan DDIM elke keer exact hetzelfde beeld produceren met hetzelfde startgeluid?
    • Omdat het eerder gegenereerde afbeeldingen in de cache opslaat
    • Omdat het altijd een vaste prompt gebruikt
    • Omdat het bemonsteringsproces deterministisch is, zonder geïnjecteerde willekeur
    • Omdat het meerdere willekeurige runs samen berekent
  4. Welke waarde van de parameter eta herstelt in DDIM het oorspronkelijke stochastische DDPM-gedrag?
    • eta = 0
    • eta = -1
    • eta = 100
    • eta = 1
  5. Hoeveel stappen had de oorspronkelijke DDPM doorgaans nodig voor monsters van hoge kwaliteit?
    • Honderden tot ongeveer duizend stappen
    • Precies 3 stappen
    • Een enkele stap
    • Meer dan een miljoen stappen
  6. Welke van deze is een belangrijke tussenliggende hoeveelheid die DDIM schat voordat er een stap naar voren wordt gezet?
    • De bestandsgrootte van de uitvoer
    • Het voorspelde schone beeld x0
    • De insluitlengte van de prompt van de gebruiker
    • De GPU-temperatuur
  7. What does DDIM change compared with DDPM when using a model trained with the DDPM procedure?
    • It replaces the network with a text classifier
    • It changes the training data from images to audio
    • It changes the sampling trajectory while reusing the trained denoising network
    • It removes the need to estimate noise
  8. Why can DDIM skip selected diffusion timesteps during sampling?
    • The training process never added noise
    • Each skipped timestep is replaced by a larger image
    • It copies an earlier generated image from a cache
    • Its non-Markovian sampling path can connect noise levels without visiting every training step