Questionário de modelos de consistência

As respostas e explicações aparecem conforme você responde ao teste.

1. Qual problema central dos modelos de difusão os modelos de consistência abordam?
   • A amostragem por difusão é lenta porque precisa de muitas etapas iterativas
   • A difusão não pode gerar imagens coloridas
   • A difusão usa muito pouca memória
   • A difusão só funciona em texto
2. Qual é a propriedade de 'autoconsistência' que esses modelos são treinados para satisfazer?
   • Cada imagem deve ter a mesma cor
   • Cada ponto em uma trajetória de ruído para dados é mapeado para o mesmo ponto final limpo
   • O modelo deve concordar com um rotulador humano
   • A saída deve ser igual ao ruído de entrada
3. Que condição de contorno a função de consistência deve satisfazer no tempo zero?
   • Deve produzir ruído puro
   • Deve gerar uma imagem preta
   • Deve atuar como a identidade (retornar a entrada inalterada)
   • Ele deve gerar a média do conjunto de dados
4. Como um modelo de consistência pode ser criado a partir de um modelo de difusão existente?
   • Excluindo metade de suas camadas aleatoriamente
   • Convertendo-o em uma árvore de decisão
   • Treinando-o apenas em dados de texto
   • Por destilação de consistência do modelo de difusão pré-treinado
5. Que técnica estabiliza o treinamento consistente ao fornecer metas de aprendizagem?
   • Uma rede alvo atualizada como uma média móvel exponencial
   • Excluindo aleatoriamente a função de perda
   • Dobrando a taxa de aprendizagem a cada etapa
   • Usando apenas uma imagem de treinamento
6. How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
   • Hundreds of steps in every setting
   • Two to four sampling steps
   • Exactly one training epoch
   • No sampling or model evaluation
7. What are two training routes introduced for consistency models?
   • Only supervised image classification
   • Only adversarial training with a discriminator
   • Consistency distillation from a pretrained diffusion model and standalone consistency training
   • Token prediction and masked language modeling
8. Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
   • Speech diarization and speaker verification
   • Machine translation and summarization
   • Database query planning and code completion
   • Inpainting, colorization and super-resolution