Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący generacji uziemionej GLIGEN

Dowiedz się, jak GLIGEN dodaje podstawy przestrzenne do rozpowszechniania tekstu na obraz, zachowując jednocześnie wiedzę w zamrożonym, wstępnie wyszkolonym modelu.

Powiązane ścieżki prowadząceGeneracja uziemiona Gligen
Pytanie 1 z 8

Jaki problem przede wszystkim rozwiązuje GLIGEN?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaki problem przede wszystkim rozwiązuje GLIGEN?
    • Brak precyzyjnej kontroli przestrzennej nad tym, gdzie pojawiają się obiekty
    • Niska prędkość generowania
    • Niemożność generowania kolorowych obrazów
    • Brakuje dźwięku w wygenerowanych filmach
  2. W jaki sposób GLIGEN zachowuje wiedzę o wytrenowanym modelu dyfuzji?
    • Przetrenowuje wszystkie ciężary od zera
    • Zamraża oryginalne ciężary i dodaje nowe, możliwe do trenowania, zamknięte warstwy samouwagi
    • Usuwa koder tekstu
    • Wykorzystuje GAN zamiast dyfuzji
  3. Jakie jest typowe wejście uziemiające akceptowane przez GLIGEN?
    • Wynik muzyczny
    • Lista hiperparametrów
    • Obwiednia połączona z elementem tekstowym lub obrazem
    • Arkusz kalkulacyjny wartości pikseli
  4. Dlaczego bramka w nowych warstwach uwagi GLIGEN jest inicjowana na zero?
    • Aby najpierw uzyskać obrazy w skali szarości
    • Aby wyłączyć monit tekstowy
    • Aby zmniejszyć rozdzielczość obrazu
    • Zatem zachowanie modelu podstawowego jest zachowywane na początku szkolenia, a sterowanie jest dodawane stopniowo
  5. Co oznacza w GLIGEN generacja uziemiona „otwartego świata”?
    • Może uziemiać dowolnie opisane koncepcje i układy, których nie widać podczas szkolenia uziemiającego
    • Działa tylko w przypadku scen w pomieszczeniach zamkniętych
    • Wymaga modelu świata 3D
    • Generuje tylko krajobrazy zewnętrzne
  6. Gdzie w sieci U-Net znajdują się nowe, bramkowane warstwy samouwagi GLIGEN?
    • Tylko na wyjściu VAE
    • Pomiędzy istniejącymi blokami samouważności i krzyżowej uwagi
    • Tylko w koderze tekstu
    • Przed harmonogramem hałasu
  7. What does a GLIGEN grounding token combine?
    • A denoising timestep with a VAE decoder output
    • A color histogram with the final image resolution
    • A text or image embedding with spatial information such as a bounding box
    • A training dataset name with a classifier label
  8. Besides bounding boxes, which inputs can GLIGEN use to ground objects?
    • Only unstructured audio waveforms
    • A crop-size label without any object information
    • A list of model checkpoint filenames
    • Keypoints or reference images