引导式测验 · 中等 等级

自回归图像生成测验

了解自回归图像模型如何将图像编码为标记序列，并根据文本提示一步一步生成它们。

相关引导路径自回归图像生成
问题 1 的 8

在图像生成的背景下“自回归”意味着什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 在图像生成的背景下“自回归”意味着什么？
    • 每个新元素都是根据先前生成的元素进行预测的
    • 仅使用文本提示来预测每个新元素
    • 整个图像立即从随机噪声中去噪
    • 像素是完全独立生成的
  2. 像 DALL-E 1 这样的现代自回归图像模型在预测图像之前通常如何表示图像？
    • 作为单个连续向量
    • 作为来自学习密码本的离散标记的固定网格
    • 仅作为原始 24 位 RGB 像素
    • 作为矢量图形列表
  3. 哪些早期模型一次生成一个原始像素图像？
    • GAN 和 VAE
    • 稳定的扩散和成像
    • PixelRNN 和 PixelCNN
    • 剪辑和BLIP
  4. 什么机制可以确保 Transformer 在自回归生成过程中只关注较早的令牌？
    • 辍学
    • 批量归一化
    • 跳过连接
    • 因果（掩盖）自注意力
  5. 自回归图像采样的主要实际缺点是什么？
    • 采样是连续的，因此速度较慢
    • 它不能以文本为条件
    • 它无法模拟精细的细节
    • 它不需要训练数据
  6. 哪种技术通过并行预测许多标记来加速基于标记的图像生成？
    • 老师强迫
    • 屏蔽并行解码（例如，MaskGIT/Muse）
    • 渐变裁剪
    • 独热编码
  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