Вікторина, пов’язана з посібником · Середній Рівень

Тест із створення авторегресійного зображення

Дізнайтеся, як авторегресійні моделі зображень кодують зображення як послідовності маркерів і генерують їх крок за кроком із текстових підказок.

Пов'язані напрямні шляхиАвторегресійна генерація зображень
Питання 1 з 8

Що означає «авторегресія» в контексті створення зображення?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Що означає «авторегресія» в контексті створення зображення?
    • Кожен новий елемент прогнозується залежно від попередньо згенерованих елементів
    • Кожен новий елемент передбачається лише за допомогою текстової підказки
    • Усе зображення одразу очищається від випадкового шуму
    • Пікселі генеруються абсолютно незалежно один від одного
  2. Як сучасні авторегресійні моделі зображення, такі як DALL-E 1, зазвичай представляють зображення перед його прогнозуванням?
    • Як один безперервний вектор
    • Як фіксована сітка дискретних маркерів із вивченої кодової книги
    • Лише як необроблені 24-розрядні пікселі RGB
    • Як список фігур векторної графіки
  3. Які перші моделі створювали зображення по одному необробленому пікселю за раз?
    • GAN і VAE
    • Стабільна дифузія та зображення
    • PixelRNN і PixelCNN
    • CLIP і BLIP
  4. Який механізм гарантує, що трансформатор звертає увагу лише на попередні токени під час авторегресійної генерації?
    • Вибуття
    • Пакетна нормалізація
    • Пропустити підключення
    • Каузальна (замаскована) самоувага
  5. Який основний практичний недолік авторегресійної вибірки зображення?
    • Вибірка послідовна і тому повільна
    • Він не може бути обумовлений текстом
    • Він не може моделювати дрібні деталі
    • Для цього не потрібні навчальні дані
  6. Яка техніка прискорює генерацію зображень на основі токенів шляхом прогнозування багатьох токенів паралельно?
    • Примус вчителя
    • Масковане паралельне декодування (наприклад, MaskGIT/Muse)
    • Градієнтне обрізання
    • Одночасне кодування
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs