Test legat de ghid · Mediu Nivel
Testul modelelor de consecvență
Understand how consistency models learn one-step or few-step generation from diffusion trajectories and boundary constraints.
Întrebare 1 de 8
Ce problemă centrală cu modelele de difuzie se adresează modelelor de consistență?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Ce problemă centrală cu modelele de difuzie se adresează modelelor de consistență?
- Eșantionarea prin difuzie este lentă, deoarece necesită mulți pași iterativi
- Difuzia nu poate genera imagini color
- Difuzia folosește prea puțină memorie
- Difuzia funcționează numai pe text
- Care este proprietatea de „consistență în sine” pe care aceste modele sunt antrenate să o satisfacă?
- Fiecare imagine trebuie să fie de aceeași culoare
- Fiecare punct dintr-o traiectorie zgomot-date se mapează la același punct final curat
- Modelul trebuie să fie de acord cu un etichetator uman
- Ieșirea trebuie să fie egală cu zgomotul de intrare
- Ce condiție la limită trebuie să îndeplinească funcția de consistență la momentul zero?
- Trebuie să scoată zgomot pur
- Trebuie să scoată o imagine neagră
- Trebuie să acționeze ca identitate (returnează intrarea neschimbată)
- Trebuie să scoată media setului de date
- Cum poate fi creat un model de consistență dintr-un model de difuzie existent?
- Ștergând la întâmplare jumătate din straturile sale
- Prin convertirea acestuia într-un arbore de decizie
- Antrenându-l doar pe date text
- Prin distilare de consistență a modelului de difuzie preantrenat
- Ce tehnică stabilizează formarea de consistență prin furnizarea de obiective de învățare?
- O rețea țintă actualizată ca medie mobilă exponențială
- Ștergerea aleatorie a funcției de pierdere
- Dublarea ratei de învățare la fiecare pas
- Folosind o singură imagine de antrenament
- 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
- 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
- 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