Bài kiểm tra khớp dòng chảy

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

1. Mô hình khớp luồng trực tiếp học cách dự đoán điều gì?
   • Trường vận tốc di chuyển mẫu từ nhiễu sang dữ liệu
   • Nhãn phân loại cho mỗi hình ảnh
   • Các byte JPEG nén của hình ảnh
   • Bảng tra cứu cố định các giá trị pixel
2. Các mẫu được tạo ra từ mô hình khớp luồng đã được huấn luyện như thế nào?
   • Bằng cách lấy mẫu một chuỗi từ Markov rời rạc
   • Bằng cách tích hợp trường vận tốc đã học với bộ giải ODE bắt đầu từ nhiễu
   • Bằng cách chạy giảm độ dốc trên hình ảnh đầu vào
   • Bằng cách lấy trung bình toàn bộ tập huấn luyện
3. Điều gì làm cho việc huấn luyện tổn thất phù hợp với luồng có điều kiện có thể thực hiện được?
   • Nó hoàn toàn bỏ qua dữ liệu
   • Nó đòi hỏi phải giải quyết đầy đủ trường cận biên bằng phương pháp phân tích
   • Nó điều kiện dựa trên một điểm dữ liệu duy nhất và sử dụng đường dẫn nội suy đơn giản đã biết
   • Nó chỉ hoạt động trên một hình ảnh tại một thời điểm mãi mãi
4. Tại sao biến thể 'dòng đã chỉnh lưu' lại cho phép tạo nhanh hơn?
   • Nó sử dụng mạng lưới thần kinh lớn hơn
   • Nó bỏ qua việc đào tạo hoàn toàn
   • Nó chuyển đổi hình ảnh thành văn bản đầu tiên
   • Nó làm thẳng các đường dẫn xác suất để cần ít bước giải ODE hơn
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • ResNet-50
   • YOLOv8
6. Trong khớp luồng có điều kiện, phép nội suy điển hình giữa mẫu nhiễu và mẫu dữ liệu tại thời điểm t là gì?
   • Sự xáo trộn ngẫu nhiên của các pixel
   • x_t = (1-t)*noise + t*data, sự pha trộn đường thẳng
   • Bình phương mọi giá trị pixel
   • Sắp xếp pixel theo độ sáng
7. In conditional flow matching, how is the marginal vector field related to conditional vector fields?
   • It is the largest vector in the training batch
   • It is a fixed class label independent of time
   • It is the conditional expectation of the conditional vector field over the conditioning variable
   • It is the average pixel value of the data
8. Beyond generative modeling, what other task does the original rectified-flow paper describe?
   • Speech diarization with speaker embeddings
   • Classifying handwritten digits from labels alone
   • Predicting calendar availability
   • Data or domain transfer between distributions