گائیڈ سے منسلک کوئز · درمیانہ سطح
امیجین ٹیکسٹ ٹو امیج کوئز
اصل Imagen ٹیکسٹ کنڈیشنگ، کاسکیڈڈ جنریشن، ڈائنامک تھریشولڈنگ، اور سپر ریزولوشن ٹریننگ میں مضبوطی کے انتخاب کا جائزہ لیں۔
سوال 1 کی 8
In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- 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
- امیجین کس ٹیکسٹ انکوڈر پر انحصار کرتا ہے؟
- ایک convolutional امیج نیٹ
- ایک چھوٹا LSTM
- ہاتھ سے لکھا ہوا اصول سیٹ
- ایک منجمد T5-XXL زبان کا ماڈل
- امیجین ہائی ریزولوشن تک کیسے پہنچتا ہے؟
- سپر ریزولوشن اپ اسکیلنگ مراحل کے ساتھ کاسکیڈ ڈفیوژن
- ایک واحد وشال نسل کا قدم
- ایک بڑے اسٹاک تصویر کو تراش کر
- دو امیجز کو انٹرپول کرکے
- 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
- DrawBench کیا ہے؟
- ایک ڈرائنگ ٹیبلٹ
- ایک GPU برانڈ
- بلی کی تصاویر کا ڈیٹاسیٹ
- متن سے تصویری ماڈلز کا جائزہ لینے کے لیے چیلنج کرنے والے اشارے کا ایک معیار
- T5-XXL انکوڈر کو امیجن میں کیوں منجمد رکھا جاتا ہے؟
- یہ ٹوٹ گیا ہے اور تربیت نہیں کر سکتا
- مزید ٹیوننگ کے بغیر پہلے سے تربیتی منتقلی سے اس کی بھرپور متن کی سمجھ
- صرف ڈسک کی جگہ بچانے کے لیے
- کیونکہ متن غیر متعلقہ ہے۔
- 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