当前位置:   article > 正文

AIGC算法工程师 面试八股文_aigc面试八股

aigc面试八股

目录

八股文

1、简述DDPM的算法原理

2、什么是重参数化技巧?Diffusion Models和VAE中的重参数化技巧是如何使用的?

VAE中的重参数化技巧

Diffusion Models中的重参数化技巧

3、什么是马尔可夫过程?DDPM中的马尔可夫链是如何定义的?

马尔可夫过程

DDPM马尔可夫链

4、为什么DDPM前向过程中前期加噪少,后期加噪多?

5、VAE和Diffusion Models中的变分推断是什么?

6、Negative Prompt实现的原理是什么?

7、简述Diffusion Models、VAE之间的区别和联系

相同之处:

不同之处:

8、简述Diffusion Models与GANs之间的区别和联系

区别

联系

9、DDIM是怎样加速采样的(简述DDIM的原理)?

前向过程可以是非马尔科夫过程

子序列加速采样

10、什么是基于分数的生成模型?

11、在Diffusion中常见的条件注入的方法有哪些?

12、Stable Diffusion中是如何注入文本信息的?

13、Latent diffusion相比DDPM有哪些改进?

14、Diffusion是如何添加timestep信息的?

15、什么是noise scheduler (扩散模型中的参数和分别代表什么)?

16、Cos Noise scheduler有什么优点?

17、简述Classifier-free guidance的原理?

分类器指导技术的缺点:

Classifier-free guidance方法:

18、Guidance Scale较大为什么会破坏噪声预测分布?

19、有哪些常见的/经典的Diffusion models加速方法?

20、SD-XL相比于SD有哪些区别和改进?

整体结构

网络结构改进

长宽比和crop信息引入

21、常见的微调SD方法有哪些?并说一下对应的原理

Dreambooth

直接全量微调Dreambooth的问题

Dreambooth解决方案

Lora

Custom

22、ControlNet的原理是什么?

23、ControlNet中的卷积层初始权重为什么是0?

24、VAE生成的图像为什么是模糊的?如何减轻模糊性?

原因一:隐变量采样过程

原因二:重参数化技巧

原因三:KL散度正则化

解决方法一:增加模型复杂度

解决方法二:使用更复杂的先验分布

解决方法三:引入正则化方法

25、为什么Stable Diffusion可能会出现细节信息失真?

Q&A

1、今年计算机视觉秋招回暖了吗?

2、什么样的水平(学历、论文、项目、实习)可以冲AIGC视觉方向?

3、如何准备项目经历?

4、现在Diffusion Models还有哪些方向值得研究(好发论文)?

5、如何选择偏研究的部门和偏业务的部门?


八股文

1、简述DDPM的算法原理

扩散模型包括两个过程:前向过程(forward process)反向过程(reverse process),其中前向过程又称为扩散过程(diffusion process),如下图所示。无论是前向过程还是反向过程都是一个参数化的马尔可夫链(Markov chain),其中反向过程可以用来生成数据,这里我们将通过变分推断来进行建模和求解。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/运维做开发/article/detail/841388
推荐阅读
相关标签
  

闽ICP备14008679号