Rehber bağlantılı sınav · Orta Seviye

VQGAN ve Codebook Görüntü Sentezi Sınavı

VQGAN'ın ayrı kod kitabı belirteçlerini, rakip ve algısal kayıpları ve transformatörlerin yüksek çözünürlüklü görüntüleri sentezlemek için kompakt ızgaraları nasıl kullandığını inceleyin.

İlgili kılavuz yollarıVqgan ve Codebook Görüntü Sentezi
Soru 1 arasında 8

VQGAN bir görüntüyü ayrı belirteçler olarak temsil etmek için ne kullanır?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. VQGAN bir görüntüyü ayrı belirteçler olarak temsil etmek için ne kullanır?
    • Kodlayıcı çıktılarının tutturulduğu vektörlerin öğrenilmiş bir kod kitabı
    • Dosya adlarının listesi
    • Yalnızca ham RGB pikselleri
    • Resim başına tek bir sayı
  2. What did the original VQGAN paper report gaining from adversarial and perceptual training?
    • To guarantee every VQVAE reconstruction is blurry
    • To preserve perceptual quality at increased compression in the original paper’s evaluated settings
    • To eliminate the need for a learned codebook
    • To make all images use the same token grid regardless of dataset
  3. Bir görüntü bir dizi belirteçten oluştuğunda, hangi model yeni görüntüler üretir?
    • Bir e-tablo
    • Bir hesap makinesi
    • Kelimeler gibi belirteçleri tahmin eden otoregresif bir transformatör
    • Bir yazıcı sürücüsü
  4. Hangi teknik, gradyanların diferansiyellenemeyen kuantizasyon adımından geçmesine izin verir?
    • Bırakma
    • Toplu normalleştirme
    • Rastgele kırpma
    • Düz tahmin edici
  5. VQGAN 2021'de hangi ünlü yapay zeka sanatı trendinin yaratılmasına yardımcı oldu?
    • VQGAN+CLIP üretken sanat
    • 3D baskı
    • Ses klonlama
    • Elektronik tablo otomasyonu
  6. VQGAN tarzı kod kitaplarıyla ilgili bilinen bir zorluk nedir?
    • Herhangi bir vektörü depolayamazlar
    • Birçok kodun kullanılmadığı kod kitabı çöküşü
    • Eğitim gerektirmezler
    • Yalnızca ses üzerinde çalışırlar
  7. Why does VQGAN use a compact latent token grid for high-resolution images?
    • It removes the need for an image decoder
    • It makes every codebook entry a full-resolution image
    • It shortens the transformer sequence so modeling image composition is more tractable
    • It converts the transformer into a pixel-level convolution
  8. Which loss does the VQGAN guide pair with adversarial training to improve reconstruction quality?
    • A language-model next-token loss
    • A contrastive audio-text loss
    • A reinforcement-learning reward from human rankings
    • Algısal kayıp