引導式測驗 · 中等 等級
萬壽菊擴散深度估計測驗
檢查 Marigold 如何重複使用 Stable Diffusion 的潛在先驗以獲得相對深度並處理仿射不變性、取樣和輸出細節。
問題 1 的 8
Marigold 建立在什麼預訓練模型之上?
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。
- Marigold 建立在什麼預訓練模型之上?
- Stable Diffusion
- GPT-4
- YOLOv8
- ResNet-50
- Marigold 如何建立深度估計任務?
- 作為一個分類問題
- 作為深度圖的條件生成
- 作為強化學習
- 作為一個聚類問題
- Marigold 的訓練資料有什麼令人驚訝的地方?
- 它使用了數十億次真實深度掃描
- 它根本不需要任何培訓
- 它主要針對合成資料集進行微調,但已推廣到真實影像
- 它僅使用音訊數據
- 為什麼 Marigold 通常比前饋深度模型慢?
- 它僅在 CPU 上運行
- 它每次都會從互聯網下載數據
- 它對每張圖像進行重新訓練
- 它使用迭代去雜訊採樣循環
- 萬壽菊在什麼空間進行擴散過程?
- 穩定擴散的 VAE 潛在空間
- 原始像素空間
- 頻率/傅立葉空間
- 點雲空間
- Marigold 如何提升跑步過程中的深度穩定性?
- 透過降低影像解析度
- 透過整合多個取樣預測
- 透過禁用 VAE
- 透過轉換為灰階
- 仿射不變相對深度對於 Marigold 預測意味著什麼?
- 每個像素都給出精確的距離(以公尺為單位),無需校準
- 輸出包含顏色標籤而不是深度
- 深度排序很有用,但輸出的絕對比例和偏移不需要等於實際測量值
- 只有最近的物體才會收到深度值
- Marigold 在其潛在擴散過程中使用相同的 VAE 編碼哪對輸入?
- 相機姿勢和 3D 網格
- 文字提示和 CLIP 分數
- 來自不同攝影機的兩張立體影像
- 輸入影像和深度圖