Викторина, связанная с руководством · Средний Уровень

Викторина по созданию авторегрессионных изображений

Узнайте, как авторегрессионные модели изображений кодируют изображения как последовательности токенов и генерируют их шаг за шагом на основе текстовых подсказок.

Связанные направляющие путиГенерация авторегрессионного изображения
Вопрос 1 из 8

Что означает «авторегрессия» в контексте генерации изображений?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что означает «авторегрессия» в контексте генерации изображений?
    • Каждый новый элемент прогнозируется на основе ранее сгенерированных элементов.
    • Каждый новый элемент прогнозируется с использованием только текстовой подсказки.
    • Все изображение сразу очищается от случайного шума.
    • Пиксели генерируются совершенно независимо друг от друга.
  2. Как современные авторегрессионные модели изображений, такие как DALL-E 1, обычно представляют изображение перед его предсказанием?
    • Как один непрерывный вектор
    • В виде фиксированной сетки дискретных токенов из изученной кодовой книги.
    • Только в виде необработанных 24-битных пикселей RGB.
    • В виде списка фигур векторной графики
  3. Какие ранние модели генерировали изображения по одному необработанному пикселю за раз?
    • GAN и VAE
    • Стабильная диффузия и изображение
    • ПиксельRNN и ПиксельCNN
    • КЛИП и БЛИП
  4. Какой механизм гарантирует, что Transformer обрабатывает только более ранние токены во время авторегрессионной генерации?
    • Отсев
    • Пакетная нормализация
    • Пропустить соединения
    • Причинное (замаскированное) внимание к себе
  5. Каков основной практический недостаток авторегрессионной выборки изображений?
    • Выборка является последовательной и поэтому медленной.
    • Это не может быть обусловлено текстом
    • Он не может моделировать мелкие детали.
    • Он не требует никаких обучающих данных
  6. Какой метод ускоряет генерацию изображений на основе токенов за счет параллельного прогнозирования множества токенов?
    • Учитель заставляет
    • Маскированное параллельное декодирование (например, MaskGIT/Muse)
    • Градиентное отсечение
    • Горячее кодирование
  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