Questionário vinculado ao guia · Médio Nível

Questionário de geração de imagem autorregressiva

Aprenda como os modelos de imagem autorregressivos codificam imagens como sequências de token e as geram uma etapa de cada vez a partir de prompts de texto.

Caminhos de guia relacionadosGeração de imagem autorregressiva
Pergunta 1 de 8

O que significa 'autoregressivo' no contexto da geração de imagens?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que significa 'autoregressivo' no contexto da geração de imagens?
    • Cada novo elemento é previsto condicionado aos elementos gerados anteriormente
    • Cada novo elemento é previsto usando apenas o prompt de texto
    • A imagem inteira é eliminada de uma só vez devido ao ruído aleatório
    • Os pixels são gerados de forma totalmente independente um do outro
  2. Como os modelos de imagem autorregressivos modernos, como o DALL-E 1, normalmente representam uma imagem antes de predizê-la?
    • Como um único vetor contínuo
    • Como uma grade fixa de tokens discretos de um livro de códigos aprendido
    • Somente pixels RGB brutos de 24 bits
    • Como uma lista de formas gráficas vetoriais
  3. Quais modelos iniciais geraram imagens um pixel bruto por vez?
    • GANs e VAEs
    • Difusão e imagem estáveis
    • PixelRNN e PixelCNN
    • CLIP e BLIP
  4. Qual mecanismo garante que um Transformer atenda apenas aos tokens anteriores durante a geração autoregressiva?
    • Abandono
    • Normalização em lote
    • Pular conexões
    • Autoatenção causal (mascarada)
  5. Qual é a principal desvantagem prática da amostragem autorregressiva de imagens?
    • A amostragem é sequencial e, portanto, lenta
    • Não pode ser condicionado ao texto
    • Não pode modelar detalhes finos
    • Não requer dados de treinamento
  6. Qual técnica acelera a geração de imagens baseadas em tokens ao prever muitos tokens em paralelo?
    • Professor forçando
    • Decodificação paralela mascarada (por exemplo, MaskGIT/Muse)
    • Recorte gradiente
    • Codificação one-hot
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs