Test legat de ghid · Mediu Nivel
Test de difuzie video stabilă
Înțelegeți punctele de control imagine-video ale Stable Video Diffusion, straturile temporale, antrenamentul în etape și limitele licenței de model.
Întrebare 1 de 8
What input does a public Stable Video Diffusion image-to-video checkpoint use?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- What input does a public Stable Video Diffusion image-to-video checkpoint use?
- O singură imagine statică
- Un fișier rețea 3D
- Doar un scenariu text integral
- O înregistrare cu microfon
- Ce a adăugat SVD arhitecturii Stable Diffusion pentru imagini statice pentru a gestiona mișcarea?
- O paletă de culori mai mare
- Straturi temporale care leagă cadrele în timp
- Module de sinteză audio
- Un verificator ortografic pentru subtitrări
- Stable Video Diffusion își efectuează dezgomotul în ce fel de spațiu pentru a economisi calculul?
- Spațiu de pixeli brut la rezoluție completă
- Numai domeniul frecvenței
- Un spațiu latent comprimat
- Un spațiu de simbol text
- What was significant about SVD’s research release?
- It removed all license conditions
- It was accessible only as a closed cloud API
- It released audio weights but no video model
- It made code and model weights available for research and adaptation under their license terms
- Aproximativ câte cadre generează de obicei punctele de control publice ale SVD?
- Aproximativ 14 până la 25 de cadre
- Exact 1 cadru
- Câteva mii de cadre
- Un flux continuu nelimitat
- Ce abordare de antrenament a subliniat Stability AI pentru SVD?
- Un singur antrenament one-shot pe clipuri aleatorii
- O rețetă în etape: pretrain imagine, pretrain video, apoi reglaj de înaltă calitate
- Antrenament numai pe imagini statice
- Fără pregătire preliminară
- What downstream video adaptation does the SVD paper discuss using LoRA?
- Speaker-identity adaptation for audio
- Automatic SQL generation
- Camera-motion-specific adaptation
- Dependency-label prediction
- What additional visual-generation capability did the SVD paper explore from its base model?
- Generating a dependency parse for every frame
- Separating a song into instrument stems
- Estimating speech intelligibility
- Fine-tuning a model to jointly generate multiple views of objects