Test de potrivire a fluxului

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Ce învață direct să prezică un model de potrivire a fluxului?
   • Un câmp de viteză care mută mostre de la zgomot la date
   • O etichetă de clasificare pentru fiecare imagine
   • Octeții JPEG comprimați ai unei imagini
   • Un tabel de căutare fix cu valorile pixelilor
2. Cum sunt generate eșantioanele dintr-un model de potrivire a fluxului antrenat?
   • Prin eșantionarea unui lanț de cuvinte Markov discret
   • Prin integrarea câmpului de viteză învățat cu un rezolvator ODE pornind de la zgomot
   • Prin rularea coborârii gradientului pe imaginea de intrare
   • Făcând media întregului set de antrenament
3. Ce face ca pierderea de potrivire a fluxului condiționat să fie tratabilă pentru antrenament?
   • Ignoră complet datele
   • Necesită rezolvarea analitică a întregului câmp marginal
   • Condiționează un singur punct de date și utilizează o cale de interpolare cunoscută simplă
   • Funcționează pentru totdeauna doar pe o singură imagine
4. De ce varianta „flux rectificat” permite o generare mai rapidă?
   • Utilizează rețele neuronale mai mari
   • Omite complet antrenamentul
   • Mai întâi convertește imaginile în text
   • Îndreptează căile de probabilitate, astfel încât sunt necesari mai puțini pași de rezolvare a ODE
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • ResNet-50
   • YOLOv8
6. În potrivirea condiționată a fluxului, care este o interpolare tipică între o probă de zgomot și o probă de date la momentul t?
   • O amestecare aleatorie de pixeli
   • x_t = (1-t)*zgomot + t*date, un amestec în linie dreaptă
   • Punerea la pătrat a fiecărei valori a pixelilor
   • Sortarea pixelilor după luminozitate
7. In conditional flow matching, how is the marginal vector field related to conditional vector fields?
   • It is the largest vector in the training batch
   • It is a fixed class label independent of time
   • It is the conditional expectation of the conditional vector field over the conditioning variable
   • It is the average pixel value of the data
8. Beyond generative modeling, what other task does the original rectified-flow paper describe?
   • Speech diarization with speaker embeddings
   • Classifying handwritten digits from labels alone
   • Predicting calendar availability
   • Data or domain transfer between distributions