مستحکم ویڈیو ڈفیوژن کوئز

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

1. What input does a public Stable Video Diffusion image-to-video checkpoint use?
   • ایک ساکن تصویر
   • ایک 3D میش فائل
   • صرف ایک مکمل ٹیکسٹ اسکرین پلے
   • ایک مائکروفون ریکارڈنگ
2. حرکت کو ہینڈل کرنے کے لیے SVD نے اسٹیل امیج سٹیبل ڈفیوژن فن تعمیر میں کیا اضافہ کیا؟
   • ایک بڑا رنگ پیلیٹ
   • وقت کے ساتھ فریموں کو جوڑنے والی عارضی پرتیں۔
   • آڈیو ترکیب ماڈیولز
   • سرخیوں کے لیے ہجے چیک کرنے والا
3. اسٹیبل ویڈیو ڈفیوژن کمپیوٹ کو بچانے کے لیے کس قسم کی جگہ میں اپنی ڈینوائزنگ کرتا ہے؟
   • خام مکمل ریزولوشن پکسل اسپیس
   • صرف فریکوئنسی ڈومین
   • ایک کمپریسڈ اویکت جگہ
   • ایک ٹیکسٹ ٹوکن اسپیس
4. What was significant about SVD’s research release?
   • It removed all license conditions
   • It was accessible only as a closed cloud API
   • It released audio weights but no video model
   • It made code and model weights available for research and adaptation under their license terms
5. SVD کی عوامی چوکیاں عام طور پر کتنے فریم تیار کرتی ہیں؟
   • تقریباً 14 سے 25 فریم
   • بالکل 1 فریم
   • کئی ہزار فریم
   • ایک لامحدود مسلسل سلسلہ
6. SVD کے لیے Stability AI نے کس تربیتی نقطہ نظر پر زور دیا؟
   • بے ترتیب کلپس پر چلنے والی ایک ہی شاٹ ٹریننگ
   • ایک مرحلہ وار نسخہ: امیج پری ٹرین، ویڈیو پری ٹرین، پھر اعلیٰ معیار کا فن
   • صرف اسٹیل امیجز پر ٹریننگ
   • بالکل بھی کوئی تربیت نہیں۔
7. What downstream video adaptation does the SVD paper discuss using LoRA?
   • Speaker-identity adaptation for audio
   • Automatic SQL generation
   • Camera-motion-specific adaptation
   • Dependency-label prediction
8. What additional visual-generation capability did the SVD paper explore from its base model?
   • Generating a dependency parse for every frame
   • Separating a song into instrument stems
   • Estimating speech intelligibility
   • Fine-tuning a model to jointly generate multiple views of objects