گائیڈ سے منسلک کوئز · درمیانہ سطح

گیگاگن اسکیلڈ جنریٹرز کوئز

GigaGAN کے ٹیکسٹ کنڈیشنڈ فن تعمیر، جنریشن اسپیڈ، ملٹی اسکیل ڈسکریمینیٹر، لیٹنٹ ایڈیٹنگ، اور علیحدہ ہائی ریزولوشن اپ سیمپلر کو دریافت کریں۔

متعلقہ گائیڈ کے راستےگیگاگن اسکیلڈ جنریٹرز
سوال 1 کی 8

What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
    • 1.0 billion total across the 652.5M base generator and 359.1M upsampler
    • 70 million total across a 64M generator and 6M discriminator
    • 1.0 billion in the base generator alone, with no upsampler
    • 3.5 billion total across two text encoders
  2. ڈفیوژن ماڈلز پر GigaGAN کا ایک بڑا تیز رفتار فائدہ کیا ہے؟
    • اسے GPU کی ضرورت نہیں ہے۔
    • یہ بہت سے منحرف اقدامات کے بجائے ایک ہی فارورڈ پاس میں ایک تصویر تیار کرتا ہے۔
    • یہ ایک سیکنڈ میں ٹریننگ کرتا ہے۔
    • یہ کوئی نیورل نیٹ ورک استعمال کرتا ہے۔
  3. GigaGAN کا 'سیمپل-اپٹیو کرنل سلیکشن' کیا کرتا ہے؟
    • غیر استعمال شدہ پکسلز کو حذف کرتا ہے۔
    • تصویر کو JPEG پر کمپریس کرتا ہے۔
    • ٹیکسٹ پرامپٹ سے اخذ کردہ وزن کا استعمال کرتے ہوئے کنولوشن فلٹرز کے بینک کو ملا دیتا ہے۔
    • GPU خود بخود چنتا ہے۔
  4. GigaGAN تصویری تخلیق میں متن کی معلومات کو کیسے شامل کرتا ہے؟
    • پرامپٹ کو تراش کر
    • یہ متن کو مکمل طور پر نظر انداز کرتا ہے۔
    • تصویر پر متن پرنٹ کرکے
    • ٹیکسٹ ایمبیڈنگز اور CLIP خصوصیات سے مماثل توجہ کے ذریعے
  5. GigaGAN بیس جنریشن سے آگے کونسی اضافی صلاحیت فراہم کرتا ہے؟
    • ایک علیحدہ GAN upsampler جو 4K ریزولوشن تک پہنچ سکتا ہے۔
    • آڈیو ترکیب
    • تقریر کی پہچان
    • ڈیٹا بیس استفسار
  6. ایڈیٹنگ ٹولز کے لیے GigaGAN کی پوشیدہ جگہ کیوں کارآمد ہے؟
    • اس میں ترمیم نہیں کی جا سکتی
    • یہ قابل کنٹرول تبدیلیوں کے لیے ہموار انٹرپولیشن اور اسٹائل مکسنگ کی حمایت کرتا ہے۔
    • یہ صرف متن کو ذخیرہ کرتا ہے۔
    • یہ ایک استعمال کے بعد تصویر کو حذف کر دیتا ہے۔
  7. How does GigaGAN’s image discriminator make predictions across resolutions?
    • It scores only the text prompt and ignores generated images
    • It predicts one label at the final resolution only
    • It receives an image pyramid and predicts real or fake at multiple input and downsampling scales
    • It compares generated images with a fixed set of training captions only
  8. What does GigaGAN’s base generator produce for later multi-scale processing?
    • A single class label for the entire image
    • A sequence of text tokens for an autoregressive decoder
    • Only the final upsampled image, with no intermediate scales
    • An image pyramid with outputs at several resolutions