Викторина, связанная с руководством · Средний Уровень

Стабильная викторина по распространению видео

Ознакомьтесь с контрольными точками преобразования изображения в видео, временными слоями, поэтапным обучением и ограничениями лицензии модели в Stable Video Diffusion.

Связанные направляющие путиСтабильная диффузия видео
Вопрос 1 из 8

What input does a public Stable Video Diffusion image-to-video checkpoint use?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. What input does a public Stable Video Diffusion image-to-video checkpoint use?
    • Одно неподвижное изображение
    • Файл 3D-сетки
    • Только полнотекстовый сценарий
    • Запись с микрофона
  2. Что SVD добавил к архитектуре Stable Diffusion неподвижного изображения для обработки движения?
    • Большая цветовая палитра
    • Временные слои, соединяющие кадры во времени
    • Модули синтеза звука
    • Проверка правописания для подписей
  3. В каком пространстве Stable Video Diffusion выполняет шумоподавление для экономии вычислений?
    • Необработанное пиксельное пространство в полном разрешении
    • Только частотная область
    • Сжатое скрытое пространство
    • Текстовое пространство токена
  4. What was significant about SVD’s research release?
    • It removed all license conditions
    • It was accessible only as a closed cloud API
    • It released audio weights but no video model
    • It made code and model weights available for research and adaptation under their license terms
  5. Сколько примерно кадров обычно генерируют публичные контрольные точки SVD?
    • Примерно от 14 до 25 кадров.
    • Ровно 1 кадр
    • Несколько тысяч кадров
    • Неограниченный непрерывный поток
  6. Какой подход к обучению Stability AI сделал для SVD?
    • Одиночный тренировочный запуск на случайных клипах
    • Поэтапный рецепт: предварительная обработка изображения, предварительная обработка видео, затем точная настройка высокого качества.
    • Обучение только на неподвижных изображениях
    • Никакой предварительной подготовки вообще
  7. What downstream video adaptation does the SVD paper discuss using LoRA?
    • Speaker-identity adaptation for audio
    • Automatic SQL generation
    • Camera-motion-specific adaptation
    • Dependency-label prediction
  8. What additional visual-generation capability did the SVD paper explore from its base model?
    • Generating a dependency parse for every frame
    • Separating a song into instrument stems
    • Estimating speech intelligibility
    • Fine-tuning a model to jointly generate multiple views of objects