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。
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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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