Викторина по сопоставлению потоков

Ответы и пояснения появляются по мере прохождения теста.

1. Что непосредственно учится предсказывать модель согласования потоков?
   • Поле скоростей, которое перемещает выборки от шума к данным.
   • Классификационная метка для каждого изображения
   • Сжатые байты изображения в формате JPEG.
   • Фиксированная таблица поиска значений пикселей.
2. Как генерируются образцы из обученной модели сопоставления потоков?
   • Путем выборки дискретной цепи слов Маркова
   • Путем интеграции полученного поля скорости с решателем ОДУ, начиная с шума.
   • Запустив градиентный спуск на входном изображении
   • Усредняя весь обучающий набор
3. Что делает потерю условного согласования потока поддающейся обучению?
   • Он полностью игнорирует данные
   • Это требует аналитического решения всего предельного поля.
   • Он учитывает одну точку данных и использует простой известный путь интерполяции.
   • Он работает только с одним изображением за раз навсегда
4. Почему вариант «выпрямленный поток» обеспечивает более быструю генерацию?
   • Он использует более крупные нейронные сети
   • Он полностью пропускает обучение
   • Сначала он преобразует изображения в текст
   • Он выпрямляет вероятностные пути, поэтому требуется меньше шагов решателя ОДУ.
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • РесНет-50
   • YOLOv8
6. Какова типичная интерполяция между выборкой шума и выборкой данных в момент времени t при условном сопоставлении потоков?
   • Случайное перемешивание пикселей
   • x_t = (1-t)*шум + t*данные, прямолинейное смешение
   • Возведение в квадрат каждого значения пикселя
   • Сортировка пикселей по яркости
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