Questionário vinculado ao guia · Médio Nível
Questionário de geração fundamentada GLIGEN
Explore como GLIGEN adiciona base espacial à difusão de texto para imagem, ao mesmo tempo que retém o conhecimento em um modelo pré-treinado congelado.
Pergunta 1 de 8
Qual problema o GLIGEN resolve principalmente?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Qual problema o GLIGEN resolve principalmente?
- Falta de controle espacial preciso sobre onde os objetos aparecem
- Velocidade de geração lenta
- Incapacidade de gerar imagens coloridas
- Falta de áudio nos vídeos gerados
- Como o GLIGEN preserva o conhecimento do modelo de difusão pré-treinado?
- Ele retreina todos os pesos do zero
- Ele congela os pesos originais e adiciona novas camadas treináveis de autoatenção
- Exclui o codificador de texto
- Ele usa um GAN em vez de difusão
- Qual é a entrada de aterramento típica que o GLIGEN aceita?
- Uma partitura musical
- Uma lista de hiperparâmetros
- Uma caixa delimitadora emparelhada com uma entidade de texto ou imagem
- Uma planilha de valores de pixel
- Por que o portão nas novas camadas de atenção do GLIGEN é inicializado em zero?
- Para tornar as imagens em tons de cinza primeiro
- Para desativar o prompt de texto
- Para reduzir a resolução da imagem
- Assim, o comportamento do modelo base é preservado no início do treinamento e o controle é adicionado gradualmente
- O que significa geração fundamentada em 'mundo aberto' no GLIGEN?
- Ele pode fundamentar conceitos e layouts descritos arbitrariamente não vistos durante o treinamento de aterramento
- Funciona apenas em cenas internas
- Requer um modelo de mundo 3D
- Gera apenas paisagens ao ar livre
- Onde estão as novas camadas de autoatenção fechadas da GLIGEN inseridas na U-Net?
- Somente na saída VAE
- Entre os bloqueios existentes de autoatenção e atenção cruzada
- Somente dentro do codificador de texto
- Antes do programador de ruído
- What does a GLIGEN grounding token combine?
- A denoising timestep with a VAE decoder output
- A color histogram with the final image resolution
- A text or image embedding with spatial information such as a bounding box
- A training dataset name with a classifier label
- Besides bounding boxes, which inputs can GLIGEN use to ground objects?
- Only unstructured audio waveforms
- A crop-size label without any object information
- A list of model checkpoint filenames
- Keypoints or reference images