Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący syntezy obrazu VQGAN i książki kodowej

Zapoznaj się z dyskretnymi tokenami książki kodowej VQGAN, stratami kontradyktoryjnymi i percepcyjnymi oraz sposobem, w jaki transformatory wykorzystują kompaktowe siatki do syntezy obrazów o wysokiej rozdzielczości.

Powiązane ścieżki prowadząceSynteza obrazu Vqgan i książki kodowej
Pytanie 1 z 8

Czego używa VQGAN do reprezentowania obrazu w postaci dyskretnych tokenów?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Czego używa VQGAN do reprezentowania obrazu w postaci dyskretnych tokenów?
    • Wyuczony słownik wektorów, do których przyciągane są wyjścia kodera
    • Lista nazw plików
    • Tylko surowe piksele RGB
    • Pojedynczy numer na obraz
  2. What did the original VQGAN paper report gaining from adversarial and perceptual training?
    • To guarantee every VQVAE reconstruction is blurry
    • To preserve perceptual quality at increased compression in the original paper’s evaluated settings
    • To eliminate the need for a learned codebook
    • To make all images use the same token grid regardless of dataset
  3. Kiedy obraz jest sekwencją tokenów, jaki model generuje nowe obrazy?
    • Arkusz kalkulacyjny
    • Kalkulator
    • Transformator autoregresyjny przewidujący tokeny takie jak słowa
    • Sterownik drukarki
  4. Jaka technika umożliwia przepływ gradientów przez etap niezróżnicowanej kwantyzacji?
    • Rezygnacja
    • Normalizacja wsadowa
    • Losowe kadrowanie
    • Estymator prosty
  5. Jaki słynny trend w sztuce AI VQGAN pomógł stworzyć w 2021 roku?
    • Sztuka generatywna VQGAN+CLIP
    • Druk 3D
    • Klonowanie głosu
    • Automatyzacja arkuszy kalkulacyjnych
  6. Jakie jest znane wyzwanie w przypadku książek kodowych w stylu VQGAN?
    • Nie mogą przechowywać żadnych wektorów
    • Załamanie książki kodów, w wyniku którego wiele kodów pozostaje niewykorzystanych
    • Nie wymagają żadnego szkolenia
    • Działają tylko na audio
  7. Why does VQGAN use a compact latent token grid for high-resolution images?
    • It removes the need for an image decoder
    • It makes every codebook entry a full-resolution image
    • It shortens the transformer sequence so modeling image composition is more tractable
    • It converts the transformer into a pixel-level convolution
  8. Which loss does the VQGAN guide pair with adversarial training to improve reconstruction quality?
    • A language-model next-token loss
    • A contrastive audio-text loss
    • A reinforcement-learning reward from human rankings
    • Strata percepcji