Maswali ya Kulinganisha mtiririko

Majibu na maelezo huonekana unapojibu maswali.

1. Mfano wa kulinganisha mtiririko hujifunza nini kutabiri moja kwa moja?
   • Sehemu ya kasi inayohamisha sampuli kutoka kwa kelele kuelekea data
   • Lebo ya uainishaji kwa kila picha
   • Baiti za JPEG zilizobanwa za picha
   • Jedwali lisilobadilika la kuangalia thamani za pikseli
2. Sampuli hutolewaje kutoka kwa modeli iliyofunzwa ya kulinganisha mtiririko?
   • Kwa sampuli ya msururu wa maneno wa Markov
   • Kwa kuunganisha sehemu ya kasi iliyojifunza na kitatuzi cha ODE kuanzia kelele
   • Kwa kukimbia mteremko wa upinde rangi kwenye picha ya ingizo
   • Kwa wastani wa seti nzima ya mafunzo
3. Ni nini hufanya mtiririko wa upotezaji unaolingana wa masharti kushughulikiwa kutoa mafunzo?
   • Inapuuza data kabisa
   • Inahitaji kutatua uga kamili wa ukingo kiuchambuzi
   • Inaweka kwenye nukta moja ya data na hutumia njia rahisi inayojulikana ya ukalimani
   • Inafanya kazi tu kwenye picha moja kwa wakati milele
4. Kwa nini kibadala cha 'mtiririko uliorekebishwa' huwezesha uzalishaji haraka?
   • Inatumia mitandao mikubwa ya neva
   • Inaruka mafunzo kabisa
   • Inabadilisha picha kuwa maandishi kwanza
   • Inanyoosha njia za uwezekano ili hatua chache za kisuluhishi cha ODE zinahitajika
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • ResNet-50
   • YOLOv8
6. Katika kulinganisha mtiririko wa masharti, ni nini tafsiri ya kawaida kati ya sampuli ya kelele na sampuli ya data kwa wakati t?
   • Mchanganyiko nasibu wa saizi
   • x_t = (1-t)*kelele + t*data, mchanganyiko wa mstari ulionyooka
   • Inapunguza kila thamani ya pikseli
   • Inapanga pikseli kwa mwangaza
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