Gids-gekoppelde quiz · Middelmatig Niveau
MaskGIT parallelle token-decoderingsquiz
Bekijk de gemaskeerde tokentraining en iteratieve parallelle decodering van MaskGIT, inclusief het op vertrouwen gebaseerde hermaskeringsschema en de bidirectionele context.
Vraag 1 van 8
Hoe decodeert MaskGIT afbeeldingstokens anders dan de transformator van VQGAN?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Hoe decodeert MaskGIT afbeeldingstokens anders dan de transformator van VQGAN?
- Het voorspelt tokens parallel en verfijnt in een paar stappen
- Het voorspelt één token tegelijk in rastervolgorde
- Er wordt geen transformator gebruikt
- Er wordt alleen tekst gegenereerd
- Welk trainingsdoel leent MaskGIT van taalmodellen?
- Voorspelling voor alleen het volgende woord
- Gemaskeerde tokenvoorspelling, zoals BERT
- Beeldclassificatie
- Versterk het leren van menselijke feedback
- Welke tokens legt MaskGIT tijdens het genereren vast bij elke iteratie?
- Degenen met het laagste vertrouwen
- Willekeurige tokens
- De meest betrouwbare voorspellingen
- Alle tokens in één keer in stap één
- In the original MaskGIT generation examples, roughly how many refinement iterations were often used?
- Exactly one iteration for every image and task
- Hundreds of sequential token predictions
- A fixed number that cannot be changed by the user
- About 8 to 12 in those reported configurations
- Welk schema bepaalt hoeveel tokens MaskGIT elke stap onthult?
- Een cosinus maskeerschema
- Een alleen-lineaire regel die alles in één keer onthult
- Geen schema; het is willekeurig
- Eén vast token per stap
- Waarom helpt bidirectionele aandacht MaskGIT?
- Het verbergt de afbeelding voor het model
- Hiermee kan elk token het hele gedeeltelijke beeld zien voor een betere context
- Er wordt alleen naar eerdere tokens gekeken
- Het elimineert de noodzaak voor tokens
- What token grid does MaskGIT begin with when generating an image?
- A fully decoded image that only needs color correction
- A left-to-right stream with no masked positions
- A grid with every image token masked
- A grid of text embeddings from the prompt only
- How can MaskGIT fill a masked region during image inpainting?
- Discard the observed image and generate an unrelated full image
- Use only a left-to-right text decoder with no image tokens
- Replace every visible token with a random codebook entry
- Keep observed image tokens as context and iteratively predict the masked positions