Вікторина, пов’язана з посібником · Середній Рівень

Google Вікторина Imagen

Перегляньте, як Imagen обумовлює дифузію в тексті, покращує деталі зображення та використовує вказівки та порогові значення під час створення.

Пов'язані напрямні шляхиGoogle Зображення
Питання 1 з 8

На якому типі генеративної моделі побудовано Google Imagen?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. На якому типі генеративної моделі побудовано Google Imagen?
    • Модель дифузії
    • Генеруюча змагальна мережа (GAN)
    • Тільки варіаційний автокодер
    • Рендерер на основі правил
  2. Ключовим висновком оригінальної статті Imagen було те, що масштабування якого компонента найбільше покращує результати?
    • Мережа дифузії зображення
    • Кодер замороженого тексту (мовна модель)
    • Розмір навчальної партії
    • Кількість кольорових каналів
  3. Which improvement did Google announce for Imagen 4 in the Gemini app?
    • Збереження файлів у форматі PNG
    • Генерація аудіо
    • Improved text rendering in generated images
    • Стиснення зображень
  4. Оригінальна архітектура Imagen використовувала каскад, який починався зі створення зображення з якою роздільною здатністю?
    • 1024x1024
    • 512x512
    • 4096x4096
    • 64x64
  5. 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
  6. Через яку платформу Google розробники можуть отримати доступ до Imagen для власних програм?
    • Google аркушів
    • Вершина ШІ
    • Google Карти
    • Chrome DevTools
  7. 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
  8. 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