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。

相關引導路徑萬壽菊擴散深度估計
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。

  1. Marigold 建立在什麼預訓練模型之上?
    • Stable Diffusion
    • GPT-4
    • YOLOv8
    • ResNet-50
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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