Questionário vinculado ao guia · Médio Nível

Questionário sobre amostradores DDPM e DDIM

Compare a amostragem reversa DDPM e DDIM, incluindo treinamento compartilhado, controles de estocasticidade, salto de timestep e estimativas de imagem limpa.

Caminhos de guia relacionadosAmostradores Ddpm e Ddim
Pergunta 1 de 8

Qual é a principal vantagem prática do DDIM sobre o DDPM?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual é a principal vantagem prática do DDIM sobre o DDPM?
    • Ele pode produzir imagens comparáveis em muito menos etapas de amostragem
    • Requer uma rede treinada completamente diferente
    • Adiciona mais ruído aleatório a cada etapa para melhor qualidade
    • Funciona apenas em imagens em preto e branco
  2. O que a rede neural de um modelo de difusão realmente aprende a prever durante o treinamento?
    • A legenda final da imagem
    • O ruído que foi adicionado a uma imagem em um determinado intervalo de tempo
    • A taxa de compressão da imagem
    • As configurações da câmera usadas para tirar a foto
  3. Por que o DDIM pode produzir exatamente a mesma imagem a partir do mesmo ruído inicial todas as vezes?
    • Porque armazena em cache imagens geradas anteriormente
    • Porque sempre usa um prompt fixo
    • Porque seu processo de amostragem é determinístico, sem aleatoriedade injetada
    • Porque calcula a média de muitas execuções aleatórias juntas
  4. No DDIM, qual valor do parâmetro eta recupera o comportamento estocástico original do DDPM?
    • eta = 0
    • eta = -1
    • eta = 100
    • eta = 1
  5. Aproximadamente quantas etapas o DDPM original normalmente precisava para obter amostras de alta qualidade?
    • Centenas a cerca de mil passos
    • Exatamente 3 etapas
    • Um único passo
    • Mais de um milhão de passos
  6. Qual destas é uma quantidade intermediária chave que o DDIM estima antes de avançar?
    • O tamanho do arquivo de saída
    • A imagem limpa prevista x0
    • O comprimento de incorporação do prompt do usuário
    • A temperatura da GPU
  7. What does DDIM change compared with DDPM when using a model trained with the DDPM procedure?
    • It replaces the network with a text classifier
    • It changes the training data from images to audio
    • It changes the sampling trajectory while reusing the trained denoising network
    • It removes the need to estimate noise
  8. Why can DDIM skip selected diffusion timesteps during sampling?
    • The training process never added noise
    • Each skipped timestep is replaced by a larger image
    • It copies an earlier generated image from a cache
    • Its non-Markovian sampling path can connect noise levels without visiting every training step