Quiz dotyczący obrazowania autoregresyjnego Parti Pathways

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. W jaki sposób Parti generuje obraz?
   • Odszumiając losowy szum na wielu etapach
   • Przewidując jeden token obrazu na raz, tak jak przy pisaniu zdania
   • Łącząc ze sobą zdjęcia stockowe
   • Rysując ścieżki wektorowe
2. Jakiego ogólnego kadrowania używa Parti w zadaniu zamiany tekstu na obraz?
   • Problem z grupowaniem
   • Gra ucząca przez wzmacnianie
   • Wyszukiwanie najbliższego sąsiada
   • Problem translacji sekwencji do sekwencji
3. What did the Parti researchers observe when comparing their model scales up to 20 billion parameters?
   • Consistent quality improvements in their reported evaluations
   • A proof that every larger image model always answers every prompt correctly
   • Identical outputs and quality at every model scale
   • An elimination of every counting and spelling error
4. Co przekształca obraz w dyskretne tokeny dla Parti?
   • Arkusz kalkulacyjny
   • Sieć dyfuzyjna U-Net
   • Tokenizer ViT-VQGAN
   • Rozpoznawanie mowy
5. What generation dependency creates sequential decoding work in Parti?
   • Every pixel must be manually drawn by the user
   • The text encoder can only read a grayscale image
   • The tokenizer requires an AIS position message
   • Each new image-token prediction depends on the previously generated token prefix
6. Co to jest PartiPrompts?
   • Zbiór danych muzycznych
   • Test porównawczy ponad 1600 trudnych podpowiedzi tekstowych
   • Aplikacja do edycji zdjęć
   • Rodzaj procesora graficznego
7. In Parti, what turns the generated visual-token sequence into image pixels?
   • The PartiPrompts category label alone
   • The user's text file extension
   • The image tokenizer's decoder
   • A fixed list of object names
8. Does original Parti's reported scaling improvement establish perfect counting or spelling on every prompt?
   • No; the paper also documents prompt-dependent failures and inconsistencies
   • Yes; the largest scale guarantees exact counts for every scene
   • Yes; a benchmark removes all spelling errors by definition
   • Only if the prompt has no text