แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสร้างภาพแบบถดถอยอัตโนมัติ

เรียนรู้ว่าโมเดลรูปภาพแบบถอยหลังอัตโนมัติเข้ารหัสรูปภาพเป็นลำดับโทเค็นและสร้างทีละขั้นตอนจากข้อความแจ้งได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องการสร้างภาพอัตโนมัติแบบถดถอย
คำถาม 1 ของ 8

'การถดถอยอัตโนมัติ' หมายถึงอะไรในบริบทของการสร้างภาพ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. 'การถดถอยอัตโนมัติ' หมายถึงอะไรในบริบทของการสร้างภาพ
    • องค์ประกอบใหม่แต่ละรายการจะถูกคาดการณ์โดยมีเงื่อนไขตามองค์ประกอบที่สร้างไว้ก่อนหน้านี้
    • แต่ละองค์ประกอบใหม่จะถูกคาดการณ์โดยใช้ข้อความแจ้งเท่านั้น
    • ภาพทั้งหมดจะถูกหักล้างทันทีจากสัญญาณรบกวนแบบสุ่ม
    • พิกเซลถูกสร้างขึ้นโดยอิสระจากกันโดยสิ้นเชิง
  2. โดยทั่วไปแล้ว โมเดลรูปภาพแบบถอยหลังอัตโนมัติสมัยใหม่อย่าง DALL-E 1 จะแสดงรูปภาพก่อนที่จะคาดการณ์ได้อย่างไร
    • เป็นเวกเตอร์ต่อเนื่องตัวเดียว
    • เป็นตารางคงที่ของโทเค็นแยกจากหนังสือโค้ดที่เรียนรู้
    • เป็นพิกเซล RGB 24 บิตแบบดิบเท่านั้น
    • เป็นรายการรูปร่างกราฟิกแบบเวกเตอร์
  3. โมเดลแรกๆ ใดที่สร้างภาพดิบครั้งละหนึ่งพิกเซล
    • GAN และ VAE
    • การแพร่กระจายและอิมเมจที่เสถียร
    • PixelRNN และ PixelCNN
    • คลิปและคลิป
  4. กลไกใดที่ทำให้แน่ใจได้ว่า Transformer จะเข้าร่วมกับโทเค็นก่อนหน้านี้เท่านั้นในระหว่างการสร้างแบบ autoregressive
    • การออกกลางคัน
    • การทำให้เป็นมาตรฐานแบบแบตช์
    • ข้ามการเชื่อมต่อ
    • สาเหตุ (สวมหน้ากาก) ความสนใจตนเอง
  5. ข้อเสียเปรียบหลักในทางปฏิบัติของการสุ่มตัวอย่างภาพอัตโนมัติคืออะไร?
    • การสุ่มตัวอย่างเป็นไปตามลำดับจึงช้า
    • ไม่สามารถกำหนดเงื่อนไขให้กับข้อความได้
    • ไม่สามารถสร้างแบบจำลองที่มีรายละเอียดปลีกย่อยได้
    • มันไม่จำเป็นต้องมีข้อมูลการฝึกอบรม
  6. เทคนิคใดที่ช่วยเพิ่มความเร็วในการสร้างภาพตามโทเค็นโดยการทำนายโทเค็นจำนวนมากพร้อมกัน
    • ครูบังคับ.
    • การถอดรหัสแบบขนานที่สวมหน้ากาก (เช่น MaskGIT/Muse)
    • การตัดแบบไล่ระดับสี
    • การเข้ารหัสที่ร้อนแรงเพียงครั้งเดียว
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs