Test legat de ghid · Mediu Nivel

Test de generare a imaginilor autoregresive

Learn how autoregressive image models encode images as token sequences and generate them one step at a time from text prompts.

Căi de ghidare aferenteGenerare de imagini autoregresive
Întrebare 1 de 8

Ce înseamnă „autoregresiv” în contextul generării de imagini?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce înseamnă „autoregresiv” în contextul generării de imagini?
    • Fiecare element nou este prezis condiționat de elementele generate anterior
    • Fiecare element nou este prezis folosind doar promptul text
    • Întreaga imagine este dezgomotată dintr-o dată de la zgomotul aleatoriu
    • Pixelii sunt generați complet independent unul de celălalt
  2. Cum modelele moderne de imagini autoregresive precum DALL-E 1 reprezintă de obicei o imagine înainte de a o prezice?
    • Ca un singur vector continuu
    • Ca o grilă fixă de jetoane discrete dintr-o carte de coduri învățată
    • Numai ca pixeli RGB bruti pe 24 de biți
    • Ca o listă de forme de grafică vectorială
  3. Care modele timpurii au generat imagini câte un pixel brut?
    • GAN-uri și VAE-uri
    • Difuziune stabilă și imagine
    • PixelRNN și PixelCNN
    • CLIP și BLIP
  4. Ce mecanism asigură că un transformator se ocupă doar de jetoanele anterioare în timpul generării autoregresive?
    • Abandonul
    • Normalizarea loturilor
    • Omite conexiunile
    • Autoatenție cauzală (mascată).
  5. Care este principalul dezavantaj practic al eșantionării imaginilor autoregresive?
    • Eșantionarea este secvențială și, prin urmare, lentă
    • Nu poate fi condiționat de text
    • Nu poate modela detaliile fine
    • Nu necesită date de antrenament
  6. Ce tehnică accelerează generarea de imagini pe bază de jetoane, prezicând mai multe jetoane în paralel?
    • Forțarea profesorului
    • Decodificare paralelă mascată (de exemplu, MaskGIT/Muse)
    • Tăiere în gradient
    • Codificare 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