引導式測驗 · 中等 等級
自迴歸影像生成測驗
了解自回歸圖像模型如何將圖像編碼為標記序列,並根據文字提示一步一步生成它們。
問題 1 的 8
在影像生成的背景下「自回歸」意味著什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 在影像生成的背景下「自回歸」意味著什麼?
- 每個新元素都是根據先前產生的元素進行預測的
- 僅使用文字提示來預測每個新元素
- 整個影像立即從隨機雜訊中去噪
- 像素是完全獨立生成的
- 像 DALL-E 1 這樣的現代自回歸影像模型在預測影像之前通常如何表示影像?
- 作為單一連續向量
- 作為來自學習密碼本的離散標記的固定網格
- 僅作為原始 24 位元 RGB 像素
- 作為向量圖形列表
- 哪些早期模型一次產生一個原始像素影像?
- GAN 和 VAE
- 穩定的擴散和影像
- PixelRNN 和 PixelCNN
- 剪輯和BLIP
- 什麼機制可以確保 Transformer 在自迴歸產生過程中只專注於較早的代幣?
- 輟學
- 批量歸一化
- 跳過連接
- 因果(掩蓋)自註意力
- 自回歸影像取樣的主要實際缺點是什麼?
- 採樣是連續的,因此速度較慢
- 它不能以文字為條件
- 它無法模擬精細的細節
- 它不需要訓練數據
- 哪種技術透過並行預測許多標記來加速基於標記的影像生成?
- 老師強迫
- 屏蔽並行解碼(例如,MaskGIT/Muse)
- 漸層裁切
- 獨熱編碼
- 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
- 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