Quiz dotyczący modeli dyfuzji utajonej

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaka jest główna innowacja modeli dyfuzji utajonej w porównaniu z dyfuzją w przestrzeni pikseli?
   • Przeprowadzają proces dyfuzji w skompresowanej przestrzeni ukrytej, a nie na surowych pikselach
   • Eliminują potrzebę stosowania jakiejkolwiek sieci neuronowej
   • Działają tylko na obrazach czarno-białych
   • Nie wymagają żadnych danych szkoleniowych
2. Co w utajonej dyfuzji robi autoenkoder pierwszego stopnia?
   • Predicts text tokens without processing images
   • Encodes an image into a latent representation and decodes latents back into images
   • Replaces the diffusion model at every denoising step
   • Classifies a prompt as safe or unsafe
3. W jaki sposób tekst jest zazwyczaj wstrzykiwany do odszumiającej sieci U-Net w procesie utajonej dyfuzji?
   • Łącząc surowy ciąg tekstowy z obrazem
   • Ręcznie edytując piksele
   • Poprzez warstwy skupiające uwagę przy użyciu osadzania tekstu
   • Tekst nie może być w ogóle używany
4. Dlaczego odszumianie w modelu dyfuzji utajonej może zmniejszyć obliczenia w porównaniu z dyfuzją w przestrzeni pikseli?
   • The model skips all image decoding
   • The diffusion network uses no neural layers
   • The model removes every denoising step
   • The denoiser operates on a smaller spatial latent grid, though decoding is still needed at the end
5. Które warianty regularyzacji autoenkodera pierwszego stopnia bada oryginalna publikacja dotycząca ukrytego rozpowszechniania?
   • KL-regularized and vector-quantized autoencoders
   • Only a classifier-free guidance model
   • Only a causal language model
   • A decoder that has no learned parameters
6. Czego uczy się model dyfuzyjny podczas treningu?
   • Aby sklasyfikować obrazy w kategorie
   • Aby odwrócić stopniowy proces szumu i odszumiać krok po kroku
   • Aby skompresować tekst do dźwięku
   • Aby tłumaczyć języki
7. In the paper’s f=8 autoencoder configuration, what does the downsampling factor describe?
   • The model uses eight separate text encoders
   • Every input is reduced to exactly eight pixels
   • Each spatial dimension of the latent grid is reduced by a factor of eight
   • The diffusion model performs eight total training updates
8. How does the latent diffusion paper inject spatial conditions such as semantic layouts into the denoiser?
   • It converts the layout into an English sentence only
   • It removes spatial coordinates before denoising
   • It uses the condition only after decoding to pixels
   • It concatenates the spatial condition with the latent representation along channels