Quiz dotyczący skalowanych generatorów GigaGAN

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
   • 1.0 billion total across the 652.5M base generator and 359.1M upsampler
   • 70 million total across a 64M generator and 6M discriminator
   • 1.0 billion in the base generator alone, with no upsampler
   • 3.5 billion total across two text encoders
2. Jaka jest główna przewaga GigaGAN w zakresie szybkości nad modelami dyfuzyjnymi?
   • Nie potrzebuje GPU
   • Generuje obraz w jednym przejściu do przodu, zamiast wielu etapów odszumiania
   • Trenuje w ciągu jednej sekundy
   • Nie korzysta z sieci neuronowej
3. Do czego służy „dostosowujący się do próbki wybór jądra” GigaGAN?
   • Usuwa nieużywane piksele
   • Kompresuje obraz do formatu JPEG
   • Łączy bank filtrów splotu przy użyciu wag uzyskanych z podpowiedzi tekstowej
   • Automatycznie wybiera procesor graficzny
4. W jaki sposób GigaGAN włącza informacje tekstowe do generowania obrazu?
   • Przycinając monit
   • Całkowicie ignoruje tekst
   • Drukując tekst na obrazie
   • Poprzez zwrócenie uwagi na osadzanie tekstu i dopasowanie funkcji CLIP
5. Jakie dodatkowe możliwości GigaGAN zapewnia poza generacją bazową?
   • Oddzielny upsampler GAN, który może osiągnąć rozdzielczość 4K
   • Synteza dźwięku
   • Rozpoznawanie mowy
   • Zapytanie o bazę danych
6. Dlaczego ukryta przestrzeń GigaGAN jest przydatna do narzędzi do edycji?
   • Nie można go edytować
   • Obsługuje płynną interpolację i mieszanie stylów w celu kontrolowania zmian
   • Przechowuje tylko tekst
   • Usuwa obraz po jednym użyciu
7. How does GigaGAN’s image discriminator make predictions across resolutions?
   • It scores only the text prompt and ignores generated images
   • It predicts one label at the final resolution only
   • It receives an image pyramid and predicts real or fake at multiple input and downsampling scales
   • It compares generated images with a fixed set of training captions only
8. What does GigaGAN’s base generator produce for later multi-scale processing?
   • A single class label for the entire image
   • A sequence of text tokens for an autoregressive decoder
   • Only the final upsampled image, with no intermediate scales
   • An image pyramid with outputs at several resolutions