Викторина по моделям согласованности

Ответы и пояснения появляются по мере прохождения теста.

1. Какую основную проблему моделей диффузии решают модели согласованности?
   • Диффузионная выборка выполняется медленно, поскольку требует множества итеративных шагов.
   • Диффузия не может генерировать цветные изображения.
   • Диффузия использует слишком мало памяти
   • Диффузия работает только с текстом.
2. Какому свойству «самосогласованности» обучены удовлетворять эти модели?
   • Все изображения должны быть одного цвета
   • Каждая точка на траектории преобразования шума в данные соответствует одной и той же чистой конечной точке.
   • Модель должна согласовываться с человеком, который навешивает ярлыки.
   • Выходной сигнал должен равняться входному шуму
3. Какому граничному условию должна удовлетворять функция согласованности в нулевой момент времени?
   • Он должен выводить чистый шум
   • Он должен вывести черное изображение
   • Он должен действовать как идентификатор (возвращать входные данные без изменений)
   • Он должен вывести среднее значение набора данных
4. Как можно создать модель согласованности на основе существующей модели распространения?
   • Случайным образом удалив половину слоев
   • Преобразовав его в дерево решений
   • Обучая его только на текстовых данных
   • Путем согласованной дистилляции предварительно обученной диффузионной модели
5. Какой метод стабилизирует последовательность тренировок, устанавливая цели обучения?
   • Целевая сеть обновляется как экспоненциальное скользящее среднее.
   • Случайное удаление функции потерь
   • Удвоение скорости обучения на каждом этапе
   • Использование только одного обучающего изображения
6. 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
7. 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
8. 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