Вікторина, пов’язана з посібником · Середній Рівень

Вікторина зі синтезу зображень VQGAN і кодової книги

Перегляньте маркери дискретної кодової книги VQGAN, змагальні та перцептивні втрати, а також те, як трансформатори використовують компактні сітки для синтезу зображень високої роздільної здатності.

Пов'язані напрямні шляхиVqgan і синтез зображень кодової книги
Питання 1 з 8

Що використовує VQGAN для представлення зображення у вигляді окремих токенів?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Що використовує VQGAN для представлення зображення у вигляді окремих токенів?
    • Навчена кодова книга векторів, до яких прив’язуються виходи кодера
    • Список імен файлів
    • Лише необроблені пікселі RGB
    • Один номер на зображення
  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. Як тільки зображення є послідовністю токенів, яка модель генерує нові зображення?
    • Електронна таблиця
    • Калькулятор
    • Авторегресійний трансформатор, що прогнозує лексеми, як слова
    • Драйвер принтера
  4. Яка техніка дозволяє пропускати градієнти через крок недиференційованого квантування?
    • Вибуття
    • Пакетна нормалізація
    • Довільне обрізання
    • Наскрізний оцінювач
  5. Яку відому мистецьку тенденцію штучного інтелекту VQGAN допоміг створити у 2021 році?
    • VQGAN+CLIP генеративне мистецтво
    • 3D друк
    • Клонування голосу
    • Автоматизація електронних таблиць
  6. Яка відома проблема з книгами кодів у стилі VQGAN?
    • Вони не можуть зберігати будь-які вектори
    • Згортання книги кодів, де багато кодів залишаються невикористаними
    • Вони не потребують навчання
    • Вони працюють тільки на аудіо
  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
    • Втрата сприйняття