Gizli Difüzyon Modelleri Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Gizli yayılma modellerinin piksel alanı yayılımına kıyasla ana yeniliği nedir?
   • Difüzyon sürecini ham pikseller yerine sıkıştırılmış gizli bir alanda çalıştırıyorlar
   • Herhangi bir sinir ağına olan ihtiyacı ortadan kaldırırlar
   • Yalnızca siyah beyaz görüntüler üzerinde çalışırlar
   • Hiçbir eğitim verisine ihtiyaç duymazlar
2. In latent diffusion, what does the first-stage autoencoder do?
   • Predicts text tokens without processing images
   • Encodes an image into a latent representation and decodes latents back into images
   • Replaces the diffusion model at every denoising step
   • Classifies a prompt as safe or unsafe
3. Gizli yayılmada metin tipik olarak gürültü giderici U-Net'e nasıl enjekte edilir?
   • Ham metin dizesini görüntüye birleştirerek
   • Pikselleri manuel olarak düzenleyerek
   • Metin yerleştirmeleri kullanarak çapraz dikkat katmanları aracılığıyla
   • Metin hiçbir şekilde kullanılamaz
4. Why can denoising in a latent diffusion model reduce computation compared with pixel-space diffusion?
   • The model skips all image decoding
   • The diffusion network uses no neural layers
   • The model removes every denoising step
   • The denoiser operates on a smaller spatial latent grid, though decoding is still needed at the end
5. Which first-stage autoencoder regularization variants does the original latent diffusion paper investigate?
   • KL-regularized and vector-quantized autoencoders
   • Only a classifier-free guidance model
   • Only a causal language model
   • A decoder that has no learned parameters
6. Difüzyon modeli eğitim sırasında ne yapmayı öğrenir?
   • Görüntüleri kategorilere ayırmak için
   • Kademeli bir gürültü sürecini tersine çevirmek ve adım adım gürültüyü gidermek için
   • Metni sese sıkıştırmak için
   • Dilleri çevirmek için
7. In the paper’s f=8 autoencoder configuration, what does the downsampling factor describe?
   • The model uses eight separate text encoders
   • Every input is reduced to exactly eight pixels
   • Each spatial dimension of the latent grid is reduced by a factor of eight
   • The diffusion model performs eight total training updates
8. How does the latent diffusion paper inject spatial conditions such as semantic layouts into the denoiser?
   • It converts the layout into an English sentence only
   • It removes spatial coordinates before denoising
   • It uses the condition only after decoding to pixels
   • It concatenates the spatial condition with the latent representation along channels