一致性模型测验

当您参加测验时，就会出现答案和解释。

1. 一致性模型解决了扩散模型的哪些核心问题？
   • 扩散采样很慢，因为它需要很多迭代步骤
   • 扩散无法生成彩色图像
   • 扩散使用的内存太少
   • 扩散仅适用于文本
2. 这些模型经过训练要满足什么“自我一致性”属性？
   • 每张图片的颜色必须相同
   • 噪声到数据轨迹上的每个点都映射到相同的干净端点
   • 该模型必须与人工贴标者一致
   • 输出必须等于输入噪声
3. 一致性函数在零时刻必须满足什么边界条件？
   • 它必须输出纯噪声
   • 它必须输出黑色图像
   • 它必须充当身份（返回输入不变）
   • 它必须输出数据集平均值
4. 如何从现有的扩散模型创建一致性模型？
   • 随机删除一半的图层
   • 通过将其转换为决策树
   • 仅在文本数据上进行训练
   • 通过预训练扩散模型的一致性蒸馏
5. 什么技术通过提供学习目标来稳定一致性训练？
   • 目标网络更新为指数移动平均线
   • 随机删除损失函数
   • 每一步将学习率加倍
   • 仅使用一张训练图像
6. How many sampling steps did the Latent Consistency Models paper report for high-quality 768×768 image generation?
   • Hundreds of steps in every setting
   • Two to four sampling steps
   • Exactly one training epoch
   • No sampling or model evaluation
7. What are two training routes introduced for consistency models?
   • Only supervised image classification
   • Only adversarial training with a discriminator
   • Consistency distillation from a pretrained diffusion model and standalone consistency training
   • Token prediction and masked language modeling
8. Which zero-shot image-editing tasks did the consistency-model paper demonstrate?
   • Speech diarization and speaker verification
   • Machine translation and summarization
   • Database query planning and code completion
   • Inpainting, colorization and super-resolution