Rehber bağlantılı sınav · Orta Seviye
Google Imagen Testi
Imagen'nin metin üzerindeki dağıtımı nasıl koşullandırdığını, görüntü ayrıntılarını nasıl iyileştirdiğini ve oluşturma sırasında rehberlik ve eşiklemeyi nasıl kullandığını inceleyin.
Soru 1 arasında 8
Google Imagen ne tür bir üretken model üzerine kuruludur?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- Google Imagen ne tür bir üretken model üzerine kuruludur?
- Bir yayılma modeli
- Üretken bir rakip ağ (GAN)
- Yalnızca değişken bir otomatik kodlayıcı
- Kural tabanlı bir oluşturucu
- Orijinal Imagen makalesinden elde edilen önemli bir bulgu, hangi bileşenin en iyi sonuçları ölçeklendirdiğiydi?
- Görüntü yayılım ağı
- Dondurulmuş metin kodlayıcı (dil modeli)
- Eğitim toplu boyutu
- Renk kanallarının sayısı
- Which improvement did Google announce for Imagen 4 in the Gemini app?
- Dosyaları PNG olarak kaydetme
- Ses oluşturuluyor
- Improved text rendering in generated images
- Görüntüleri sıkıştırma
- Imagen'in orijinal mimarisi, hangi çözünürlükte bir görüntü oluşturarak başlayan bir basamak kullanıyordu?
- 1024x1024
- 512x512
- 4096x4096
- 64x64
- What did Google DeepMind say SynthID does for images generated with Imagen on Vertex AI?
- Embeds an imperceptible watermark in image pixels to help identify likely Imagen output
- Converts all images to a new file format
- Provides a GPU chip for image training
- Translates the prompt language
- Geliştiriciler kendi uygulamaları için hangi Google platformu aracılığıyla Imagen'a erişebilir?
- Google Sayfalar
- Vertex AI
- Google Haritalar
- Chrome Geliştirme Araçları
- What issue does dynamic thresholding address in Imagen's sampling process?
- The model having too few text tokens in its prompt
- The training set containing too many image resolutions
- Pixel values becoming oversaturated when classifier-free guidance is high
- The tokenizer splitting a word into subwords
- What does classifier-free guidance do during Imagen sampling?
- Selects a class label after the image is complete
- Upscales the image without conditioning on its prompt
- Replaces the noise-prediction model with a fixed image lookup
- Combines conditional and unconditioned predictions to steer generation toward the prompt