سکور پر مبنی جنریٹو ماڈلز کوئز

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

1. بالکل وہی 'اسکور' کیا ہے جو یہ ماڈل سیکھتے ہیں؟
   • ان پٹ کے حوالے سے لاگ امکانی کثافت کا میلان
   • ہر تصویر کے لیے 0 سے 100 کے درمیان معیار کی درجہ بندی
   • تربیتی دوروں کی تعداد مکمل ہوئی۔
   • ڈیٹا پوائنٹ کا درجہ بندی کا لیبل
2. اعداد و شمار پر تربیت یافتہ اسکور پر مبنی ماڈلز ایک سے زیادہ پیمانے پر شور کے ساتھ خراب کیوں ہوتے ہیں؟
   • تصاویر کو فنکارانہ بنانے کے لیے
   • کیونکہ اسکور کا اندازہ لگانا مشکل ہے جہاں صاف ڈیٹا کم ہے، اور ان علاقوں میں شور مچاتا ہے۔
   • ڈیٹاسیٹ کے فائل سائز کو کم کرنے کے لیے
   • کیونکہ شور GPU کو تیز کرتا ہے۔
3. ابتدائی سکور پر مبنی ماڈلز نے ڈیٹا بنانے کے لیے نمونے لینے کا کون سا طریقہ کار استعمال کیا؟
   • ایک مقررہ ہدف کی تصویر کی طرف پکسلز پر گراڈینٹ نزول
   • ایک واحد میٹرکس ضرب
   • Langevin dynamics — شور کو شامل کرتے ہوئے اسکور کے ساتھ قدم بڑھانا
   • بے ترتیب کٹائی اور پلٹنا
4. 2021 سکور-SDE پیپر نے کون سا بڑا کنکشن قائم کیا؟
   • کہ GANs ہمیشہ بازی سے بہتر ہوتے ہیں۔
   • کہ نیورل نیٹ ورک امیجز کو ماڈل نہیں کر سکتے
   • وہ اسکور ماڈل صرف دو جہتوں میں کام کرتے ہیں۔
   • وہ ڈفیوژن ماڈل اور سکور پر مبنی ماڈلز ایک ہی مسلسل SDE عمل کے دو خیالات ہیں۔
5. شور کی پیشین گوئی کا تعلق اسکور کی مماثلت کو ختم کرنے میں اسکور کی پیشین گوئی سے کیسے ہے؟
   • The conditional denoising-score target is −ε/σ for standardized Gaussian noise; the model estimates the noisy-data score
   • Noise prediction and score estimation are unrelated
   • شور کا اندازہ لگانا ناممکن ہے۔
   • شور والے ڈیٹا کے لیے اسکور ہمیشہ صفر ہوتا ہے۔
6. ڈیٹرمنسٹک 'امکانی بہاؤ ODE' کیا قابل بناتا ہے جو خالص اسٹاکسٹک نمونے آسانی سے فراہم نہیں کرتا ہے؟
   • اعلی GPU بجلی کی کھپت
   • عین امکان کی گنتی اور ایک تعییناتی نمونے لینے کا راستہ
   • خودکار ڈیٹاسیٹ لیبلنگ
   • کسی بھی عصبی نیٹ ورک کی ضرورت کو ختم کرنا
7. In score-based generation, what does the reverse-time SDE do?
   • It converts image labels into captions
   • It adds noise to an already generated output only
   • It transforms a prior noise distribution back toward the data distribution
   • It estimates the class label of each pixel
8. In a score-based MRI reconstruction method, how can a learned image prior help recover an undersampled scan?
   • Use the prior alone and ignore measured k-space data
   • Combine the learned score prior with the measurement constraint during posterior sampling
   • Replace all measurements with random noise
   • Treat the score as a diagnosis of the patient