Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący generowania obrazu autoregresyjnego

Dowiedz się, jak autoregresyjne modele obrazów kodują obrazy jako sekwencje tokenów i generują je krok po kroku na podstawie podpowiedzi tekstowych.

Powiązane ścieżki prowadząceGenerowanie obrazu autoregresyjnego
Pytanie 1 z 8

Co oznacza „autoregresywny” w kontekście generowania obrazu?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co oznacza „autoregresywny” w kontekście generowania obrazu?
    • Każdy nowy element jest przewidywany na podstawie wcześniej wygenerowanych elementów
    • Każdy nowy element jest przewidywany przy użyciu wyłącznie podpowiedzi tekstowych
    • Cały obraz jest od razu usuwany z przypadkowych szumów
    • Piksele generowane są całkowicie niezależnie od siebie
  2. W jaki sposób nowoczesne autoregresyjne modele obrazu, takie jak DALL-E 1, zazwyczaj reprezentują obraz przed jego przewidzeniem?
    • Jako pojedynczy wektor ciągły
    • Jako stała siatka dyskretnych żetonów z wyuczonego słownika
    • Tylko jako surowe 24-bitowe piksele RGB
    • Jako lista kształtów grafiki wektorowej
  3. Które wczesne modele generowały obrazy po jednym surowym pikselu na raz?
    • GAN i VAE
    • Stabilna dyfuzja i obraz
    • PixelRNN i PixelCNN
    • KLIP i BLIP
  4. Jaki mechanizm zapewnia, że Transformator obsługuje tylko wcześniejsze tokeny podczas generowania autoregresyjnego?
    • Rezygnacja
    • Normalizacja wsadowa
    • Pomiń połączenia
    • Przyczynowa (zamaskowana) samouważność
  5. Jaka jest główna praktyczna wada próbkowania obrazu autoregresyjnego?
    • Próbkowanie jest sekwencyjne i dlatego powolne
    • Nie można tego uzależniać od tekstu
    • Nie może modelować drobnych szczegółów
    • Nie wymaga danych treningowych
  6. Która technika przyspiesza generowanie obrazów w oparciu o tokeny, przewidując wiele tokenów równolegle?
    • Nauczyciel zmusza
    • Maskowane dekodowanie równoległe (np. MaskGIT/Muse)
    • Przycinanie gradientowe
    • Kodowanie na gorąco
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs