Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra tạo hình ảnh tự hồi quy

Tìm hiểu cách các mô hình hình ảnh tự hồi quy mã hóa hình ảnh dưới dạng chuỗi mã thông báo và tạo chúng từng bước một từ lời nhắc văn bản.

Đường dẫn hướng dẫn liên quanTạo hình ảnh tự động
Câu hỏi 1 của 8

'Tự hồi quy' có nghĩa là gì trong bối cảnh tạo hình ảnh?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. 'Tự hồi quy' có nghĩa là gì trong bối cảnh tạo hình ảnh?
    • Mỗi phần tử mới được dự đoán dựa trên các phần tử được tạo trước đó
    • Mỗi phần tử mới được dự đoán chỉ bằng dấu nhắc văn bản
    • Toàn bộ hình ảnh được khử nhiễu ngay lập tức khỏi nhiễu ngẫu nhiên
    • Các pixel được tạo hoàn toàn độc lập với nhau
  2. Làm thế nào để các mô hình hình ảnh tự hồi quy hiện đại như DALL-E 1 thường thể hiện một hình ảnh trước khi dự đoán nó?
    • Là một vectơ liên tục
    • Là một lưới cố định các mã thông báo rời rạc từ sách mã đã học
    • Chỉ ở dạng pixel RGB 24 bit thô
    • Là danh sách các hình dạng đồ họa vector
  3. Những mô hình đầu tiên nào tạo ra từng hình ảnh một pixel thô?
    • GAN và VAE
    • Khuếch tán và hình ảnh ổn định
    • PixelRNN và PixelCNN
    • CLIP và BLIP
  4. Cơ chế nào đảm bảo Máy biến áp chỉ tham gia vào các mã thông báo trước đó trong quá trình tạo tự hồi quy?
    • Bỏ học
    • Chuẩn hóa hàng loạt
    • Bỏ qua kết nối
    • Sự tự chú ý theo nguyên nhân (che đậy)
  5. Hạn chế thực tế chính của việc lấy mẫu hình ảnh tự hồi quy là gì?
    • Lấy mẫu là tuần tự và do đó chậm
    • Nó không thể bị quy định trên văn bản
    • Nó không thể mô hình hóa chi tiết tốt
    • Nó không yêu cầu dữ liệu đào tạo
  6. Kỹ thuật nào tăng tốc độ tạo hình ảnh dựa trên mã thông báo bằng cách dự đoán song song nhiều mã thông báo?
    • giáo viên cưỡng bức
    • Giải mã song song được che dấu (ví dụ: MaskGIT/Muse)
    • Cắt bớt độ dốc
    • Mã hóa một lần
  7. How does the original DALL·E model use text and image tokens?
    • Separate unconnected classifiers process text and pixels
    • A diffusion decoder predicts all pixels simultaneously
    • A single autoregressive Transformer models the sequence conditioned on text and image tokens
    • The model uses only a text encoder and no image-token sequence
  8. What scale of image-text pairs did the original DALL·E paper report collecting?
    • About 250 pairs
    • About 25 thousand pairs
    • About 25 billion pairs
    • About 250 million image-text pairs