Akış Eşleştirme Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Bir akış eşleştirme modeli doğrudan neyi tahmin etmeyi öğrenir?
   • Örnekleri gürültüden verilere doğru hareket ettiren bir hız alanı
   • Her görüntü için bir sınıflandırma etiketi
   • Bir görüntünün sıkıştırılmış JPEG baytları
   • Piksel değerlerinin sabit bir arama tablosu
2. Eğitilmiş bir akış eşleştirme modelinden örnekler nasıl oluşturulur?
   • Ayrı bir Markov kelime zincirini örnekleyerek
   • Öğrenilen hız alanını gürültüden başlayarak bir ODE çözücü ile entegre ederek
   • Giriş görüntüsünde degrade inişini çalıştırarak
   • Tüm eğitim setinin ortalamasını alarak
3. Koşullu akış eşleştirme kaybını eğitmeyi kolaylaştıran şey nedir?
   • Verileri tamamen yok sayar
   • Tam marjinal alanın analitik olarak çözülmesini gerektirir
   • Tek bir veri noktasını koşullandırır ve bilinen basit bir enterpolasyon yolunu kullanır
   • Sonsuza kadar aynı anda yalnızca bir görüntü üzerinde çalışır
4. 'Düzeltilmiş akış' çeşidi neden daha hızlı üretime olanak sağlıyor?
   • Daha büyük sinir ağlarını kullanır
   • Eğitimi tamamen atlıyor
   • Önce görüntüleri metne dönüştürür
   • Olasılık yollarını düzeltir, böylece daha az ODE çözücü adımına ihtiyaç duyulur
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. Koşullu akış eşleştirmede, t zamanındaki bir gürültü örneği ile bir veri örneği arasındaki tipik enterpolasyon nedir?
   • Rastgele piksel karışımı
   • x_t = (1-t)*gürültü + t*veri, düz çizgi karışımı
   • Her piksel değerinin karesi alınıyor
   • Pikselleri parlaklığa göre sıralama
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