Викторина, связанная с руководством · Средний Уровень

Google Викторина по изображениям

Узнайте, как Imagen управляет диффузией текста, улучшает детализацию изображения и использует указания и пороговые значения во время генерации.

Связанные направляющие путиGoogle Изображение
Вопрос 1 из 8

На каком типе генеративной модели построен Google Imagen?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. На каком типе генеративной модели построен Google Imagen?
    • Диффузионная модель
    • Генеративно-состязательная сеть (GAN)
    • Только вариационный автоэнкодер
    • Средство рендеринга на основе правил
  2. Ключевым выводом из оригинальной статьи Imagen было то, что масштабирование какого компонента наиболее улучшает результаты?
    • Сеть распространения изображений
    • Кодер замороженного текста (языковая модель)
    • Размер обучающего пакета
    • Количество цветовых каналов
  3. Which improvement did Google announce for Imagen 4 in the Gemini app?
    • Сохранение файлов в формате PNG
    • Генерация звука
    • Improved text rendering in generated images
    • Сжатие изображений
  4. В исходной архитектуре Imagen использовался каскад, который начинался с создания изображения с каким разрешением?
    • 1024x1024
    • 512x512
    • 4096x4096
    • 64х64
  5. What did Google DeepMind say SynthID does for images generated with Imagen on Vertex AI?
    • Embeds an imperceptible watermark in image pixels to help identify likely Imagen output
    • Converts all images to a new file format
    • Provides a GPU chip for image training
    • Translates the prompt language
  6. Через какую платформу Google разработчики могут получить доступ к Imagen для своих приложений?
    • Google Листы
    • Вертексный ИИ
    • Google Карты
    • Инструменты разработчика Chrome
  7. What issue does dynamic thresholding address in Imagen's sampling process?
    • The model having too few text tokens in its prompt
    • The training set containing too many image resolutions
    • Pixel values becoming oversaturated when classifier-free guidance is high
    • The tokenizer splitting a word into subwords
  8. What does classifier-free guidance do during Imagen sampling?
    • Selects a class label after the image is complete
    • Upscales the image without conditioning on its prompt
    • Replaces the noise-prediction model with a fixed image lookup
    • Combines conditional and unconditioned predictions to steer generation toward the prompt