引導式測驗 · 中等 等級

GLIGEN 接地世代測驗

探索 GLIGEN 如何為文字到影像的擴散添加空間基礎,同時保留凍結的預訓練模型中的知識。

相關引導路徑格利根接地一代
問題 1 的 8

GLIGEN主要解決什麼問題?

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. GLIGEN主要解決什麼問題?
    • 缺乏對物體出現位置的精確空間控制
    • 生成速度慢
    • 無法產生彩色影像
    • 生成的視頻中缺少音頻
  2. GLIGEN 如何保存預訓練擴散模型的知識?
    • 它從頭開始重新訓練所有重量
    • 它凍結原始權重並添加新的可訓練門控自註意力層
    • 它刪除文字編碼器
    • 它使用 GAN 而不是擴散
  3. GLIGEN 接受的典型接地輸入是什麼?
    • 樂譜
    • 超參數列表
    • 與文字或影像實體配對的邊界框
    • 像素值的電子表格
  4. 為什麼 GLIGEN 新註意力層中的閘初始化為零?
    • 首先將影像設為灰階
    • 禁用文字提示
    • 降低影像解析度
    • 因此,基礎模型的行為在訓練初期就被保留,並逐漸加入控制
  5. GLIGEN 中「開放世界」接地世代意味著什麼?
    • 它可以接地任意描述的概念和佈局在接地訓練期間未見過
    • 僅適用於室內場景
    • 它需要一個 3D 世界模型
    • 它僅生成室外景觀
  6. GLIGEN 的新門控自註意力層插入到 U-Net 的哪裡?
    • 僅在輸出 VAE 處
    • 現有的 self-attention 和 cross-attention 區塊之間
    • 僅在文字編碼器內部
    • 在噪音調度器之前
  7. What does a GLIGEN grounding token combine?
    • A denoising timestep with a VAE decoder output
    • A color histogram with the final image resolution
    • A text or image embedding with spatial information such as a bounding box
    • A training dataset name with a classifier label
  8. Besides bounding boxes, which inputs can GLIGEN use to ground objects?
    • Only unstructured audio waveforms
    • A crop-size label without any object information
    • A list of model checkpoint filenames
    • Keypoints or reference images