Test legat de ghid · Ușor Nivel

Test GANs condiționat

Verifică modul în care intrările condiționate ghidează ambele rețele GAN, modul în care discriminatorii evaluează perechile potrivite și cum poate fi injectată condiționarea.

Căi de ghidare aferenteGAN-uri condiționate
Întrebare 1 de 8

Care este principala diferență dintre un GAN condiționat și un GAN standard?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Care este principala diferență dintre un GAN condiționat și un GAN standard?
    • Acesta furnizează informații suplimentare, cum ar fi o etichetă de clasă, în ambele rețele pentru a controla ieșirea
    • Folosește două generatoare
    • Îndepărtează discriminatorul
    • Funcționează doar pe text, nu pe imagini
  2. Într-un cGAN antrenat pe cifre etichetate, ce puteți face ceea ce nu poate face un GAN simplu?
    • Rulați fără nicio intrare de zgomot
    • Solicitați o anumită cifră, cum ar fi „7”
    • Sari peste tot discriminatorul
    • Generați numai zgomot alb-negru
  3. Ce trebuie să verifice discriminatorul cGAN, dincolo de faptul că o imagine pare reală?
    • Formatul de fișier al imaginii
    • Rezoluția în megapixeli
    • Dacă imaginea se potrivește cu eticheta dată
    • Rata de învățare la antrenament
  4. Care este o modalitate obișnuită de a furniza semnalul de condiționare generatorului?
    • Ștergerea vectorului de zgomot
    • Antrenament fără nicio etichetă
    • Folosind un senzor fizic separat
    • Concatenarea etichetei la intrarea de zgomot
  5. GAN-urile condiționate au pus bazele pentru care capacitate ulterioară?
    • Generare text-la-imagine și imagine-la-imagine
    • CPU-uri mai rapide
    • Filtrarea e-mailurilor spam
    • Indexarea bazelor de date
  6. În modelele moderne de difuzie, ideea cGAN de condiționare apare adesea ca ce mecanism?
    • Tăiere aleatorie a greutății
    • Atenție încrucișată la un mesaj text
    • Numai pictura manuală a pixelilor
    • Dezactivarea programului de zgomot
  7. Why must a conditional discriminator see both the generated image and its conditioning label?
    • It uses the label to choose the learning-rate schedule
    • It converts the label into a random noise seed only
    • It needs to judge whether the image is realistic and whether it matches the requested condition
    • It prevents the generator from receiving noise
  8. Besides concatenating a class label to the noise vector, which conditioning method is described in the guide?
    • A spectral-radius constraint
    • An inverse Hessian update
    • A sequence-level BLEU reward
    • A projection layer that scores compatibility between label and image features