Tutarlılık Modelleri Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Tutarlılık modelleri yayılma modelleriyle ilgili hangi temel sorunu ele alıyor?
   • Difüzyon örneklemesi yavaştır çünkü birçok yinelemeli adıma ihtiyaç duyar
   • Difüzyon renkli görüntüler üretemez
   • Difüzyon çok az bellek kullanıyor
   • Dağıtım yalnızca metin üzerinde çalışır
2. Bu modellerin tatmin etmek için eğitildikleri 'kendi kendine tutarlılık' özelliği nedir?
   • Her görsel aynı renkte olmalıdır
   • Gürültüden veriye giden yörüngedeki her nokta aynı temiz uç noktaya eşlenir
   • Model, bir insan etiketleyiciyle aynı fikirde olmalıdır
   • Çıkış, giriş gürültüsüne eşit olmalıdır
3. Tutarlılık fonksiyonunun sıfır zamanında hangi sınır koşulunu sağlaması gerekir?
   • Saf gürültü çıkışı sağlamalıdır
   • Siyah bir görüntü çıkarmalıdır
   • Kimlik görevi görmelidir (girişi değişmeden döndürün)
   • Veri kümesi ortalamasını çıkarmalıdır
4. Mevcut bir yayılma modelinden tutarlılık modeli nasıl oluşturulabilir?
   • Katmanlarının yarısını rastgele silerek
   • Bunu bir karar ağacına dönüştürerek
   • Yalnızca metin verileri üzerinde eğiterek
   • Önceden eğitilmiş difüzyon modelinin tutarlılık damıtılmasıyla
5. Hangi teknik, öğrenme hedefleri sağlayarak tutarlılık eğitimini stabilize eder?
   • Üstel hareketli ortalama olarak güncellenen bir hedef ağ
   • Kayıp fonksiyonunun rastgele silinmesi
   • Her adımda öğrenme oranını ikiye katlamak
   • Yalnızca bir eğitim görüntüsü kullanma
6. How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
   • Hundreds of steps in every setting
   • Two to four sampling steps
   • Exactly one training epoch
   • No sampling or model evaluation
7. What are two training routes introduced for consistency models?
   • Only supervised image classification
   • Only adversarial training with a discriminator
   • Consistency distillation from a pretrained diffusion model and standalone consistency training
   • Token prediction and masked language modeling
8. Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
   • Speech diarization and speaker verification
   • Machine translation and summarization
   • Database query planning and code completion
   • Inpainting, colorization and super-resolution