引导式测验 · 中等 等级
Tune-A-Video 一次性编辑测验
测试 Tune-A-Video 如何使用一个视频、时间注意力、反转和文本引导编辑来适应图像扩散模型。
问题 1 的 8
Tune-A-Video 在适应视频之前从什么基本模型开始？
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。
- Tune-A-Video 在适应视频之前从什么基本模型开始？
- 预训练的文本到图像扩散模型，如稳定扩散
- 大型语言模型
- 从头开始训练数百万个剪辑的视频模型
- 基于 GAN 的图像生成器
- Tune-A-Video 中的“一次性”指的是什么？
- 在单个降噪步骤中生成
- 仅调整一个源视频
- 对整个数据集使用一个提示
- 在单个 GPU 上运行
- Tune-A-Video 的稀疏因果注意力机制是如何连接视频帧的？
- Frames are generated fully independently
- Every frame is averaged into one image
- Each frame can attend to the first frame and the preceding frame
- Attention is disabled across all frames
- 在 Tune-A-Video 对编辑进行采样之前，DDIM 反转提供了什么？
- A compressed audio track
- A new video caption
- A camera calibration file
- A source-conditioned latent that guides generation from the input video
- 在调整过程中，Tune-A-Video 主要更新哪些内容以保持高效？
- 一小组注意力/时间参数
- 完整模型中的每个重量
- 仅文本编码器词汇
- 仅图像解码器
- What limitation motivated later tuning-free video-editing methods?
- It can only edit audio
- Tune-A-Video requires per-video tuning before editing a new clip
- It supports no text prompt
- It was trained only on black-and-white images
- Which editing capability did the Tune-A-Video paper demonstrate?
- Automatic speech-quality scoring
- 3D camera-pose recovery from photos
- Text-guided style transfer on a source video
- Instrument-stem separation
- Which content change can Tune-A-Video apply to a source clip using text?
- Measuring packet latency
- Estimating pitch from a monophonic signal
- Recovering 3D scene geometry from uncalibrated photos
- Changing a subject or background while trying to retain source motion