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

Câu đố về máy phát điện quy mô GigaGAN

Khám phá kiến ​​trúc điều hòa văn bản, tốc độ tạo, bộ phân biệt đa tỷ lệ, chỉnh sửa tiềm ẩn và bộ lấy mẫu nâng cấp độ phân giải cao riêng biệt của GigaGAN.

Đường dẫn hướng dẫn liên quanMáy phát điện quy mô Gigagan
Câu hỏi 1 của 8

What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. What total parameter count did the paper report for one high-capacity GigaGAN framework configuration?
    • 1.0 billion total across the 652.5M base generator and 359.1M upsampler
    • 70 million total across a 64M generator and 6M discriminator
    • 1.0 billion in the base generator alone, with no upsampler
    • 3.5 billion total across two text encoders
  2. Lợi thế lớn về tốc độ của GigaGAN so với các mô hình khuếch tán là gì?
    • Nó không cần GPU
    • Nó tạo ra một hình ảnh trong một lần chuyển tiếp thay vì nhiều bước khử nhiễu
    • Nó luyện tập trong một giây
    • Nó không sử dụng mạng lưới thần kinh
  3. 'Lựa chọn hạt nhân thích ứng mẫu' của GigaGAN làm gì?
    • Xóa các pixel không sử dụng
    • Nén hình ảnh thành JPEG
    • Trộn một dãy các bộ lọc tích chập bằng cách sử dụng các trọng số bắt nguồn từ dấu nhắc văn bản
    • Tự động chọn GPU
  4. GigaGAN kết hợp thông tin văn bản vào việc tạo hình ảnh như thế nào?
    • Bằng cách cắt lời nhắc
    • Nó hoàn toàn bỏ qua văn bản
    • Bằng cách in văn bản trên hình ảnh
    • Thông qua sự chú ý chéo đến việc nhúng văn bản và các tính năng CLIP phù hợp
  5. GigaGAN cung cấp khả năng bổ sung nào ngoài việc tạo cơ sở?
    • Bộ lấy mẫu GAN riêng biệt có thể đạt độ phân giải 4K
    • Tổng hợp âm thanh
    • Nhận dạng giọng nói
    • Truy vấn cơ sở dữ liệu
  6. Tại sao không gian tiềm ẩn của GigaGAN lại hữu ích cho các công cụ chỉnh sửa?
    • Nó không thể được chỉnh sửa
    • Nó hỗ trợ nội suy mượt mà và trộn kiểu để có những thay đổi có thể kiểm soát được
    • Nó chỉ lưu trữ văn bản
    • Nó xóa hình ảnh sau một lần sử dụng
  7. How does GigaGAN’s image discriminator make predictions across resolutions?
    • It scores only the text prompt and ignores generated images
    • It predicts one label at the final resolution only
    • It receives an image pyramid and predicts real or fake at multiple input and downsampling scales
    • It compares generated images with a fixed set of training captions only
  8. What does GigaGAN’s base generator produce for later multi-scale processing?
    • A single class label for the entire image
    • A sequence of text tokens for an autoregressive decoder
    • Only the final upsampled image, with no intermediate scales
    • An image pyramid with outputs at several resolutions