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。

相關引導路徑自回歸影像生成
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。

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  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