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

Bài kiểm tra mô hình khuếch tán GLIDE

Khám phá quá trình tạo và inpaint hướng dẫn bằng văn bản GLIDE, đào tạo có điều kiện, lấy mẫu không cần phân loại và kiến ​​trúc mô hình lịch sử của nó.

Đường dẫn hướng dẫn liên quanMô hình khuếch tán trượt
Câu hỏi 1 của 8

GLIDE nhận thấy phương pháp hướng dẫn nào tạo ra hình ảnh tốt hơn, trung thực hơn và nhanh chóng hơn?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. GLIDE nhận thấy phương pháp hướng dẫn nào tạo ra hình ảnh tốt hơn, trung thực hơn và nhanh chóng hơn?
    • Hướng dẫn không cần phân loại
    • CLIP hướng dẫn
    • Không có hướng dẫn
    • Chỉnh sửa thủ công
  2. What size did the published full GLIDE base diffusion model have, before counting its upsampler?
    • About 3.5 thousand parameters
    • About 350 billion parameters
    • About 3.5 billion parameters
    • No trainable parameters
  3. Hướng dẫn không cần phân loại hoạt động như thế nào trong quá trình đào tạo?
    • Mô hình chỉ nhìn thấy lời nhắc chính xác
    • Một bộ phân loại hình ảnh riêng biệt được đào tạo cùng với
    • Lời nhắc được dịch ngẫu nhiên sang số
    • Mô hình đôi khi nhìn thấy lời nhắc thực sự và đôi khi là lời nhắc trống
  4. Which later system describes its diffusion decoder as modifying the GLIDE architecture in the DALL-E 2 research paper?
    • The original text-only GPT-2 model
    • The unCLIP system associated with DALL-E 2
    • The Whisper speech recognizer
    • The CLIP contrastive encoder alone
  5. Tại sao OpenAI chỉ phát hành công khai phiên bản GLIDE nhỏ hơn, được lọc?
    • Toàn bộ mô hình đã bị mất
    • Nó chỉ chạy trên siêu máy tính
    • Những lo ngại về việc sử dụng sai mục đích của trình tạo hình ảnh mạnh mẽ
    • Cấp phép từ bên thứ ba
  6. GLIDE hỗ trợ tính năng chỉnh sửa thực tế nào?
    • Vẽ theo hướng văn bản
    • Phiên âm âm thanh
    • Công thức bảng tính
    • Kết xuất video
  7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
    • It replaced the text prompt with an audio transcript
    • It increased the resolution of the image produced by the base model
    • It converted the image into the training tokenizer's vocabulary
    • It supplied manual labels for every generated object
  8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
    • It retrains the model weights after every generated pixel
    • It requires a separate class-label classifier to score every step
    • It replaces the conditional prediction with the unconditional one
    • It combines conditional and unconditional predictions, extrapolating toward the conditional one