Викторина по моделям скрытой диффузии

Ответы и пояснения появляются по мере прохождения теста.

1. Какова основная инновация моделей скрытой диффузии по сравнению с диффузией в пиксельном пространстве?
   • Они запускают процесс диффузии в сжатом скрытом пространстве, а не на необработанных пикселях.
   • Они устраняют необходимость в какой-либо нейронной сети.
   • Они работают только с черно-белыми изображениями.
   • Они вообще не требуют никаких обучающих данных.
2. In latent diffusion, what does the first-stage autoencoder do?
   • Predicts text tokens without processing images
   • Encodes an image into a latent representation and decodes latents back into images
   • Replaces the diffusion model at every denoising step
   • Classifies a prompt as safe or unsafe
3. Как текст обычно вводится в U-Net с шумоподавлением при скрытой диффузии?
   • Путем объединения необработанной текстовой строки с изображением
   • Редактируя пиксели вручную
   • Через слои перекрестного внимания с использованием встраивания текста
   • Текст вообще нельзя использовать.
4. Why can denoising in a latent diffusion model reduce computation compared with pixel-space diffusion?
   • The model skips all image decoding
   • The diffusion network uses no neural layers
   • The model removes every denoising step
   • The denoiser operates on a smaller spatial latent grid, though decoding is still needed at the end
5. Which first-stage autoencoder regularization variants does the original latent diffusion paper investigate?
   • KL-regularized and vector-quantized autoencoders
   • Only a classifier-free guidance model
   • Only a causal language model
   • A decoder that has no learned parameters
6. Чему учится диффузионная модель во время обучения?
   • Классификация изображений по категориям
   • Чтобы обратить вспять процесс постепенного шумообразования и шумоподавление шаг за шагом
   • Сжатие текста в аудио
   • Для перевода языков
7. In the paper’s f=8 autoencoder configuration, what does the downsampling factor describe?
   • The model uses eight separate text encoders
   • Every input is reduced to exactly eight pixels
   • Each spatial dimension of the latent grid is reduced by a factor of eight
   • The diffusion model performs eight total training updates
8. How does the latent diffusion paper inject spatial conditions such as semantic layouts into the denoiser?
   • It converts the layout into an English sentence only
   • It removes spatial coordinates before denoising
   • It uses the condition only after decoding to pixels
   • It concatenates the spatial condition with the latent representation along channels