Question 1

Qual é o objetivo principal do modelo unCLIP?

Accepted Answer

Gerar imagens a partir de descrições em texto

Answer

Traduzir texto entre idiomas

Answer

Comprimir imagens para ocuparem menos espaço

Answer

Classificar imagens já existentes

Question 2

O que faz o CLIP?

Accepted Answer

Liga texto e imagem num espaço comum, onde significados parecidos ficam próximos

Answer

Gera imagens diretamente a partir de ruído

Answer

Aumenta a resolução de fotografias antigas

Answer

Deteta objetos e desenha caixas à volta deles

Question 3

Quantos codificadores tem o CLIP e quais?

Accepted Answer

Dois: um de texto e um de imagem

Answer

Um só, que serve para texto e imagem

Answer

Nenhum; usa apenas os píxeis

Answer

Três: texto, imagem e áudio

Question 4

O que é um embedding?

Accepted Answer

Uma representação numérica que captura o significado de uma imagem ou frase

Answer

Um ficheiro de imagem comprimido

Answer

Uma legenda escrita por uma pessoa

Answer

Uma camada de ruído adicionada à imagem

Question 5

Porque é que o modelo se chama unCLIP?

Accepted Answer

Porque inverte o codificador de imagem do CLIP

Answer

Porque não utiliza o CLIP em momento algum

Answer

Porque é uma versão mais pequena do CLIP

Answer

Porque remove o som dos vídeos

Question 6

Quais são as duas etapas da arquitetura do unCLIP?

Accepted Answer

Um prior e um descodificador

Answer

Um codificador e um classificador

Answer

Um tradutor e um classificador

Answer

Um codificador e um compressor

Question 7

O que faz o prior?

Accepted Answer

Transforma a legenda de texto num embedding de imagem

Answer

Transforma o embedding na imagem final

Answer

Remove objetos indesejados da imagem

Answer

Aumenta a resolução da imagem

Question 8

Das duas versões do prior, qual é a melhor segundo os autores?

Accepted Answer

O prior de difusão

Answer

O prior convolucional

Answer

O prior autorregressivo

Answer

O prior aleatório

Question 9

O que faz o descodificador?

Accepted Answer

Transforma o embedding de imagem numa imagem concreta

Answer

Escreve a legenda da imagem

Answer

Compara duas imagens entre si

Answer

Transforma o texto num embedding

Question 10

Em que consiste, de forma simples, um modelo de difusão?

Accepted Answer

Parte de ruído e remove-o passo a passo até surgir uma imagem

Answer

Insere uma imagem e compara-a com a outra

Answer

Insere uma imagem e compara-a com o texto

Answer

Parte de uma imagem e adiciona ruído até deixar de ser possível reconhecê-la

Question 11

No processo de difusão, o que é que o modelo realmente aprende?

Accepted Answer

A remover ruído passo a passo

Answer

A adicionar ruído a uma imagem

Answer

A escrever texto dentro da imagem

Answer

A escolher as cores favoritas do utilizador

Question 12

O que guia a remoção de ruído no descodificador do unCLIP?

Accepted Answer

O embedding de imagem do CLIP

Answer

A ordem das imagens usadas no treino

Answer

A qualidade da imagem

Answer

O texto introduzido diretamente pelo utilizador

Question 13

A que resolução base é gerada a imagem antes de ser ampliada?

Accepted Answer

64x64 píxeis

Answer

256x256 píxeis

Answer

8x8 píxeis

Answer

1024x1024 píxeis

Question 14

O que são as edições guiadas por texto (text diffs)?

Accepted Answer

Aplicar a uma imagem a diferença entre duas descrições de texto

Answer

Comparar dois ficheiros de texto

Answer

Apagar todo o texto presente numa imagem

Answer

Corrigir os erros ortográficos de uma legenda

Question 15

Em que aspeto o unCLIP é claramente melhor do que o GLIDE?

Accepted Answer

Na diversidade das imagens geradas

Answer

Na escrita correta de texto dentro das imagens

Answer

Na velocidade de geração

Answer

Na associação de cores aos objetos certos

Question 16

Qual é uma das limitações do unCLIP referidas no artigo?

Accepted Answer

Troca os atributos dos objetos

Answer

Só funciona com fotografias de animais

Answer

Não consegue gerar imagens a cores

Answer

Precisa sempre de uma imagem de exemplo

Question 17

Porque é que o unCLIP tem dificuldade em escrever texto dentro das imagens?

Accepted Answer

Porque o embedding do CLIP não codifica com precisão a ortografia das letras

Answer

Porque o processo de difusão reconstrói padrões visuais gerais não sequências tipográficas exatas

Answer

Porque o espaço latente privilegia conceitos visuais globais em vez de detalhes textuais de baixa escala

Answer

Porque o modelo aprende associações semânticas entre imagem e texto mas não representa bem caracteres individuais

Question 18

Qual é um dos riscos apontados para estes modelos?

Accepted Answer

Facilitar a criação de imagens enganadoras e desinformação

Answer

Apagar ficheiros do computador

Answer

Tornar as fotografias antigas ilegíveis

Answer

Consumir demasiado papel

Related quizzes

Related quizzes