Вікторина, пов’язана з посібником · Середній Рівень
Тест Imagen Text-to-Image
Ознайомтеся з оригінальним Imagen кондиціюванням тексту, каскадною генерацією, динамічним пороговим значенням і вибором надійності під час навчання надвисокої роздільної здатності.
Питання 1 з 8
In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
- Discarding the language encoder entirely
- Increasing the pretrained text encoder's size rather than the diffusion model's size
- Replacing diffusion with nearest-neighbor image lookup
- Reducing every prompt to a single word
- На який текстовий кодувальник покладається Imagen?
- Згорточна мережа зображень
- Невеликий ЛСТМ
- Набір правил, написаний від руки
- Заморожена мовна модель T5-XXL
- Як Imagen досягає високої роздільної здатності?
- Каскадна дифузія зі стадіями підвищення роздільної здатності
- Один гігантський крок покоління
- Обрізаючи велике фото
- Шляхом інтерполяції двох зображень
- What problem did original Imagen's dynamic thresholding address under strong guidance?
- A lack of text tokens in the encoder vocabulary
- The need to compress the final PNG file
- Saturation of predicted pixel values during sampling
- A missing training label for every object
- Що таке DrawBench?
- Планшет для малювання
- Бренд GPU
- Набір даних фотографій котів
- Еталон складних підказок для оцінки моделей перетворення тексту в зображення
- Чому кодер T5-XXL залишається замороженим у Imagen?
- Він зламаний і не може навчатися
- Розуміння форматованого тексту з попереднього навчання передається без подальшого налаштування
- Тільки для економії місця на диску
- Тому що текст не має значення
- What resolution did original Imagen's base diffusion model generate before its super-resolution stages?
- 256 by 256 pixels as the first stage
- 1024 by 1024 pixels directly
- 64 by 64 pixels
- A single pixel that was copied across the final image
- Why did the Imagen researchers add Gaussian noise to low-resolution conditioning images during super-resolution training?
- To make the upsamplers more robust to imperfect inputs from earlier stages
- To remove text conditioning from the entire cascade
- To guarantee that all training images had the same caption
- To replace the upsamplers with deterministic resizing