Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Google Câu đố bằng hình ảnh
Xem lại cách Imagen điều kiện khuếch tán trên văn bản, cải thiện chi tiết hình ảnh cũng như sử dụng hướng dẫn và ngưỡng trong quá trình tạo.
Câu hỏi 1 của 8
Google Imagen được xây dựng trên loại mô hình tổng quát nào?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Google Imagen được xây dựng trên loại mô hình tổng quát nào?
- Mô hình khuếch tán
- Mạng đối thủ tổng quát (GAN)
- Chỉ một bộ mã hóa tự động biến thể
- Trình kết xuất dựa trên quy tắc
- Một phát hiện quan trọng từ bài báo Imagen ban đầu là việc chia tỷ lệ thành phần nào mang lại kết quả tốt nhất?
- Mạng khuếch tán hình ảnh
- Bộ mã hóa văn bản cố định (mô hình ngôn ngữ)
- Quy mô lô đào tạo
- Số lượng kênh màu
- Which improvement did Google announce for Imagen 4 in the Gemini app?
- Lưu tệp dưới dạng PNG
- Tạo âm thanh
- Improved text rendering in generated images
- Nén hình ảnh
- Kiến trúc ban đầu của Imagen sử dụng một tầng bắt đầu bằng cách tạo ra hình ảnh ở độ phân giải nào?
- 1024x1024
- 512x512
- 4096x4096
- 64x64
- What did Google DeepMind say SynthID does for images generated with Imagen on Vertex AI?
- Embeds an imperceptible watermark in image pixels to help identify likely Imagen output
- Converts all images to a new file format
- Provides a GPU chip for image training
- Translates the prompt language
- Thông qua nền tảng Google nào mà các nhà phát triển có thể truy cập Imagen cho ứng dụng của riêng họ?
- Google Trang tính
- AI đỉnh
- Google Bản đồ
- Công cụ dành cho nhà phát triển Chrome
- What issue does dynamic thresholding address in Imagen's sampling process?
- The model having too few text tokens in its prompt
- The training set containing too many image resolutions
- Pixel values becoming oversaturated when classifier-free guidance is high
- The tokenizer splitting a word into subwords
- What does classifier-free guidance do during Imagen sampling?
- Selects a class label after the image is complete
- Upscales the image without conditioning on its prompt
- Replaces the noise-prediction model with a fixed image lookup
- Combines conditional and unconditioned predictions to steer generation toward the prompt