แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการถอดรหัสโทเค็นแบบขนาน MaskGIT
ตรวจสอบการฝึกโทเค็นแบบมาสก์และการถอดรหัสแบบขนานวนซ้ำของ MaskGIT รวมถึงกำหนดการรีมาสก์ตามความเชื่อมั่นและบริบทแบบสองทิศทาง
คำถาม 1 ของ 8
MaskGIT ถอดรหัสโทเค็นรูปภาพแตกต่างจากหม้อแปลงของ VQGAN อย่างไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- MaskGIT ถอดรหัสโทเค็นรูปภาพแตกต่างจากหม้อแปลงของ VQGAN อย่างไร
- โดยจะคาดการณ์โทเค็นแบบขนานและปรับแต่งในไม่กี่ขั้นตอน
- โดยจะคาดการณ์ทีละโทเค็นตามลำดับแรสเตอร์
- มันไม่ใช้หม้อแปลงไฟฟ้า
- มันสร้างเฉพาะข้อความเท่านั้น
- MaskGIT ยืมวัตถุประสงค์การฝึกอบรมอะไรมาจากโมเดลภาษา
- การทำนายคำถัดไปเท่านั้น
- การทำนายโทเค็นที่สวมหน้ากาก เช่น BERT
- การจำแนกประเภทภาพ
- การเรียนรู้การเสริมกำลังจากผลตอบรับของมนุษย์
- ในระหว่างการสร้าง MaskGIT จะใช้โทเค็นใดในการวนซ้ำแต่ละครั้ง
- กลุ่มที่มีความมั่นใจต่ำที่สุด
- โทเค็นแบบสุ่ม
- คำทำนายที่มีความมั่นใจสูงสุด
- โทเค็นทั้งหมดพร้อมกันในขั้นตอนที่หนึ่ง
- ในตัวอย่างการสร้าง MaskGIT ดั้งเดิม มักใช้การปรับปรุงซ้ำประมาณกี่ครั้ง
- ทำซ้ำหนึ่งครั้งสำหรับทุกภาพและงาน
- การคาดการณ์โทเค็นตามลำดับหลายร้อยรายการ
- หมายเลขคงที่ซึ่งผู้ใช้ไม่สามารถเปลี่ยนแปลงได้
- ประมาณ 8 ถึง 12 ในการกำหนดค่าที่รายงานเหล่านั้น
- ตารางใดควบคุมจำนวนโทเค็นที่ MaskGIT เปิดเผยแต่ละขั้นตอน
- กำหนดการกำบังโคไซน์
- กฎเชิงเส้นเท่านั้นที่เปิดเผยทั้งหมดพร้อมกัน
- ไม่มีกำหนดการ มันสุ่ม
- โทเค็นคงที่หนึ่งโทเค็นต่อขั้นตอน
- เหตุใดความสนใจแบบสองทิศทางจึงช่วย MaskGIT
- มันซ่อนรูปภาพจากโมเดล
- ช่วยให้แต่ละโทเค็นเห็นภาพบางส่วนทั้งหมดเพื่อบริบทที่ดีขึ้น
- มันจะดูเฉพาะโทเค็นก่อนหน้านี้เท่านั้น
- โดยจะขจัดความจำเป็นในการใช้โทเค็นใดๆ
- MaskGIT เริ่มต้นด้วยตารางโทเค็นใดเมื่อสร้างภาพ
- ภาพที่ถอดรหัสอย่างสมบูรณ์ซึ่งต้องการการแก้ไขสีเท่านั้น
- กระแสจากซ้ายไปขวาโดยไม่มีตำแหน่งที่ถูกปิดบัง
- ตารางที่ปิดบังโทเค็นรูปภาพทุกอัน
- ตารางที่ฝังข้อความจากพรอมต์เท่านั้น
- MaskGIT สามารถเติมพื้นที่ที่ถูกปิดบังในระหว่างการวาดภาพได้อย่างไร
- ละทิ้งภาพที่สังเกตและสร้างภาพเต็มที่ไม่เกี่ยวข้อง
- ใช้เฉพาะตัวถอดรหัสข้อความจากซ้ายไปขวาโดยไม่มีโทเค็นรูปภาพ
- แทนที่โทเค็นที่มองเห็นทุกรายการด้วยรายการสมุดโค้ดแบบสุ่ม
- เก็บโทเค็นภาพที่สังเกตไว้เป็นบริบทและคาดการณ์ตำแหน่งที่มาสก์ซ้ำๆ