Тест «Моделі латентної дифузії».

Відповіді та пояснення з’являються під час виконання тесту.

1. У чому головна інновація моделей прихованої дифузії порівняно з дифузією в просторі пікселів?
   • Вони запускають процес дифузії в стиснутому прихованому просторі замість необроблених пікселів
   • Вони усувають необхідність будь-якої нейронної мережі
   • Вони працюють лише з чорно-білими зображеннями
   • Їм взагалі не потрібні навчальні дані
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. Як текст зазвичай вставляється в U-Net, що знімає шум, у прихованій дифузії?
   • Шляхом конкатенації необробленого текстового рядка до зображення
   • Ручне редагування пікселів
   • Через перехресні шари уваги за допомогою вставлення тексту
   • Текст взагалі не можна використовувати
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. Що вчиться робити модель дифузії під час навчання?
   • Щоб класифікувати зображення за категоріями
   • Щоб скасувати поступовий процес шуму та зняти шум крок за кроком
   • Щоб стиснути текст у аудіо
   • Для перекладу мов
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