Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący zamiany tekstu na obraz
Zapoznaj się z oryginalnym warunkowaniem tekstu Imagen, generowaniem kaskadowym, dynamicznym progowaniem i opcjami niezawodności w szkoleniu w super rozdzielczości.
Pytanie 1 z 8
In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
- Discarding the language encoder entirely
- Increasing the pretrained text encoder's size rather than the diffusion model's size
- Replacing diffusion with nearest-neighbor image lookup
- Reducing every prompt to a single word
- Na jakim koderze tekstu opiera się Imagen?
- Splotowa sieć obrazów
- Mały LSTM
- Odręcznie napisany zestaw reguł
- Zamrożony model języka T5-XXL
- W jaki sposób Imagen osiąga wysoką rozdzielczość?
- Kaskadowa dyfuzja z etapami zwiększania rozdzielczości o super rozdzielczości
- Pojedynczy gigantyczny krok generacyjny
- Przycinając duże zdjęcie stockowe
- Poprzez interpolację dwóch obrazów
- What problem did original Imagen's dynamic thresholding address under strong guidance?
- A lack of text tokens in the encoder vocabulary
- The need to compress the final PNG file
- Saturation of predicted pixel values during sampling
- A missing training label for every object
- Co to jest DrawBench?
- Tablet do rysowania
- Marka GPU
- Zbiór zdjęć kotów
- Test porównawczy trudnych podpowiedzi do oceny modeli zamiany tekstu na obraz
- Dlaczego koder T5-XXL jest zablokowany w Imagen?
- Jest uszkodzony i nie może trenować
- Rozumienie bogatego tekstu na podstawie transferów przedtreningowych bez dalszego dostrajania
- Aby zaoszczędzić tylko miejsce na dysku
- Bo tekst jest nieważny
- What resolution did original Imagen's base diffusion model generate before its super-resolution stages?
- 256 by 256 pixels as the first stage
- 1024 by 1024 pixels directly
- 64 by 64 pixels
- A single pixel that was copied across the final image
- Why did the Imagen researchers add Gaussian noise to low-resolution conditioning images during super-resolution training?
- To make the upsamplers more robust to imperfect inputs from earlier stages
- To remove text conditioning from the entire cascade
- To guarantee that all training images had the same caption
- To replace the upsamplers with deterministic resizing