แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสร้างสายดินของ GLIGEN

สำรวจวิธีที่ GLIGEN เพิ่มการต่อลงดินเชิงพื้นที่ในการแพร่กระจายข้อความเป็นรูปภาพ ในขณะที่ยังคงรักษาความรู้ไว้ในโมเดลที่ผ่านการฝึกอบรมล่วงหน้าแบบแช่แข็ง

เส้นทางแนะนำที่เกี่ยวข้องการสร้างไฟฟ้าแบบกราวด์ของ Gligen
คำถาม 1 ของ 8

GLIGEN แก้ปัญหาอะไรเป็นหลัก?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. GLIGEN แก้ปัญหาอะไรเป็นหลัก?
    • ขาดการควบคุมเชิงพื้นที่ที่แม่นยำสำหรับตำแหน่งที่วัตถุปรากฏ
    • ความเร็วในการสร้างช้า
    • ไม่สามารถสร้างภาพสีได้
    • เสียงหายไปในวิดีโอที่สร้างขึ้น
  2. GLIGEN จะรักษาความรู้เกี่ยวกับแบบจำลองการแพร่กระจายที่ได้รับการฝึกไว้ล่วงหน้าอย่างไร
    • โดยจะฝึกตุ้มน้ำหนักทั้งหมดใหม่ตั้งแต่เริ่มต้น
    • มันหยุดน้ำหนักเดิมและเพิ่มชั้นการดูแลตนเองแบบมีรั้วรอบขอบชิดที่สามารถฝึกได้ใหม่
    • มันจะลบตัวเข้ารหัสข้อความ
    • มันใช้ GAN แทนการแพร่กระจาย
  3. อินพุตกราวด์ทั่วไปที่ GLIGEN ยอมรับคืออะไร
    • โน้ตเพลง
    • รายการไฮเปอร์พารามิเตอร์
    • กล่องขอบเขตที่จับคู่กับเอนทิตีข้อความหรือรูปภาพ
    • สเปรดชีตของค่าพิกเซล
  4. เหตุใดเกตในเลเยอร์ความสนใจใหม่ของ GLIGEN จึงเริ่มต้นเป็นศูนย์
    • เพื่อทำให้ภาพมีโทนสีเทาในตอนแรก
    • หากต้องการปิดใช้งานข้อความแจ้ง
    • เพื่อลดความละเอียดของภาพ
    • ดังนั้นพฤติกรรมของโมเดลพื้นฐานจะถูกคงไว้ตั้งแต่เนิ่นๆ ในการฝึก และการควบคุมจะค่อยๆ เพิ่มเข้าไป
  5. การสร้างโลกที่เปิดกว้างหมายถึงอะไรใน GLIGEN
    • สามารถกราวด์แนวคิดและเค้าโครงที่อธิบายโดยพลการที่ไม่เห็นในระหว่างการฝึกกราวด์
    • ใช้งานได้กับฉากในอาคารเท่านั้น
    • มันต้องมีโมเดลโลก 3 มิติ
    • มันสร้างภูมิทัศน์กลางแจ้งเท่านั้น
  6. เลเยอร์การเอาใจใส่ตนเองแบบมีรั้วรอบขอบชิดใหม่ของ GLIGEN แทรกอยู่ใน U-Net อยู่ที่ไหน
    • ที่เอาต์พุต VAE เท่านั้น
    • ระหว่างบล็อกความสนใจในตนเองที่มีอยู่และบล็อกความสนใจข้าม
    • ภายในตัวเข้ารหัสข้อความเท่านั้น
    • ก่อนกำหนดตารางเวลาเสียง
  7. What does a GLIGEN grounding token combine?
    • A denoising timestep with a VAE decoder output
    • A color histogram with the final image resolution
    • A text or image embedding with spatial information such as a bounding box
    • A training dataset name with a classifier label
  8. Besides bounding boxes, which inputs can GLIGEN use to ground objects?
    • Only unstructured audio waveforms
    • A crop-size label without any object information
    • A list of model checkpoint filenames
    • Keypoints or reference images