Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący stabilnego rozpowszechniania wideo
Zapoznaj się z punktami kontrolnymi obrazu na wideo, warstwami tymczasowymi, szkoleniem etapowym i ograniczeniami licencji modelu w ramach Stable Video Diffusion.
Pytanie 1 z 8
What input does a public Stable Video Diffusion image-to-video checkpoint use?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- What input does a public Stable Video Diffusion image-to-video checkpoint use?
- Pojedynczy nieruchomy obraz
- Plik siatki 3D
- Tylko scenariusz pełnotekstowy
- Nagranie z mikrofonu
- Co SVD dodało do architektury Stable Diffusion obrazu nieruchomego, aby obsługiwać ruch?
- Większa paleta kolorów
- Warstwy tymczasowe łączące klatki w czasie
- Moduły syntezy dźwięku
- Moduł sprawdzania pisowni podpisów
- W jakiej przestrzeni Stable Video Diffusion przeprowadza odszumianie, aby zaoszczędzić moc obliczeniową?
- Surowa przestrzeń pikseli w pełnej rozdzielczości
- Tylko dziedzina częstotliwości
- Skompresowana ukryta przestrzeń
- Miejsce na żeton tekstowy
- What was significant about SVD’s research release?
- It removed all license conditions
- It was accessible only as a closed cloud API
- It released audio weights but no video model
- It made code and model weights available for research and adaptation under their license terms
- Ile mniej więcej klatek generują publiczne punkty kontrolne SVD?
- Około 14 do 25 klatek
- Dokładnie 1 klatka
- Kilka tysięcy klatek
- Nieograniczony, ciągły strumień
- Jakie podejście szkoleniowe położyło nacisk na Stability AI w przypadku SVD?
- Pojedynczy, jednorazowy trening na losowych klipach
- Przepis etapowy: wstępne nauczenie obrazu, wstępne nauczenie wideo, a następnie dostrojenie wysokiej jakości
- Trening wyłącznie na nieruchomych obrazach
- Żadnego treningu wstępnego
- What downstream video adaptation does the SVD paper discuss using LoRA?
- Speaker-identity adaptation for audio
- Automatic SQL generation
- Camera-motion-specific adaptation
- Dependency-label prediction
- What additional visual-generation capability did the SVD paper explore from its base model?
- Generating a dependency parse for every frame
- Separating a song into instrument stems
- Estimating speech intelligibility
- Fine-tuning a model to jointly generate multiple views of objects