VQ-VAE اور ڈسکریٹ لیٹینٹس کوئز

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

1. کیا چیز VQ-VAE کی پوشیدہ جگہ کو معیاری VAE سے مختلف بناتی ہے؟
   • ایمبیڈنگز کی سیکھی ہوئی کوڈ بک کا استعمال کرتے ہوئے یہ مجرد ہے۔
   • یہ مسلسل اور گاوسی ہے۔
   • اس میں کوئی پوشیدہ جگہ نہیں ہے۔
   • یہ خام پکسلز کو ذخیرہ کرتا ہے۔
2. VQ-VAE نان ڈیفرینٹی ایبل کوانٹائزیشن سٹیپ کے ذریعے گریڈینٹ کیسے پاس کرتا ہے؟
   • یہ بیک پروپیگیشن کو مکمل طور پر چھوڑ دیتا ہے۔
   • ایک سیدھے ذریعے تخمینہ لگانے والے کے ساتھ جو کوانٹائزر کے بعد کے گریڈینٹ کو کاپی کرتا ہے۔
   • صرف کمک سیکھنے کا استعمال کرکے
   • گریڈینٹ کو عدد کو گول کرکے
3. 'کوڈ بک کا خاتمہ' کیا ہے؟
   • ڈیکوڈر لیٹنٹ کو نظر انداز کرتا ہے۔
   • انکوڈر آؤٹ پٹ لامحدود ہو جاتے ہیں۔
   • کوڈ بک اندراجات کا صرف ایک چھوٹا سا حصہ کبھی استعمال ہوتا ہے۔
   • تصویر کی ریزولوشن صفر پر گر جاتی ہے۔
4. ٹرانسفارمرز کے ساتھ جنریٹو ماڈلنگ کے لیے مجرد لیٹنٹ کیوں مفید ہیں؟
   • وہ صرف ڈسک پر تصاویر کو چھوٹا بناتے ہیں۔
   • وہ ڈیکوڈر کی ضرورت کو ختم کرتے ہیں۔
   • وہ نسل سے تمام بے ترتیب پن کو ہٹا دیتے ہیں۔
   • وہ میڈیا کو ٹوکن سیکوئنس میں بدل دیتے ہیں ایک ٹرانسفارمر زبان کی طرح ماڈل بنا سکتا ہے۔
5. VQGAN نے بنیادی VQ-VAE ترکیب کے اوپر کیا اضافہ کیا؟
   • تیز تر تعمیر نو کے لیے مخالفانہ اور ادراک کے نقصانات
   • ایک بازی کا نمونہ لینے والا
   • کوڈ بک کو ہٹانا
   • ایک بار بار آنے والا انکوڈر
6. کون سی نقصان کی اصطلاح انکوڈر کو اس کے منتخب کردہ کوڈ بک اندراجات کے لیے 'عزم' رکھتی ہے؟
   • کے ایل کا انحراف
   • عزم کا نقصان
   • کراس اینٹروپی نقصان
   • ٹرپلٹ نقصان
7. What kind of prior does the original VQ-VAE paper learn over its discrete codes?
   • A fixed prior that is never learned
   • A prior over camera locations only
   • A learned prior over the discrete code sequence
   • No prior or decoder distribution
8. Which text-to-image paper used a discrete VAE to tokenize images before autoregressive generation?
   • The original Whisper speech-recognition paper
   • A paper on Kalman-filter vehicle tracking
   • The original BERT masked-language-model paper
   • The original DALL·E paper