Лекция 15. VAE. CVAE. GAN

Multiple Choice

Почему обычный автоэнкодер плохо подходит для генерации новых изображений?

• Он не использует скрытый слой

• Точки вне модельной области дают шумовые изображения

• Он работает только с текстовыми данными

• Его декодер всегда возвращает нули

Multiple Choice

Какой loss используется для обучения VAE?

• Только MSE

• Сумма MSE и KL-дивергенции

• Только кросс-энтропия

• Только KL-дивергенция

Multiple Choice

Что происходит при вызове encoder.predict(x_test)?

• Генерируются новые изображения

• Вычисляются векторы скрытого состояния h для входных данных

• Обучается модель

• Визуализируются веса нейронов

Multiple Choice

Какое основное отличие CVAE от обычного VAE?

• Использование сверточных слоев

• Добавление условий (меток классов) в кодер и декодер

• Увеличение размерности латентного пространства

• Замена KL-дивергенции на MSE

Multiple Choice

Как передаётся метка класса в декодер CVAE?

• Через параметры оптимизатора

• Конкатенацией с вектором скрытого состояния

• Только в loss-функцию

• Через Dropout-слой

Multiple Choice

Какую задачу решает усеченный автоэнкодер?

• Генерация случайных изображений без учета входных данных

• Восстановление изображений с учетом только математического оживания, исключая дисперсию

• Увеличение размерности скрытого пространства

• Обучение классификатора цифр

Multiple Choice

Какую цель преследует генератор в GAN?

• Максимизировать ошибку дискриминатора на реальных данных

• Минимизировать разницу между реальными и сгенерированными данными

• «Обмануть» дискриминатор, заставив его принять сгенерированные данные за реальные

• Увеличить дисперсию скрытого пространства

Multiple Choice

Как обучаются GAN?

• Одновременно генератор и дискриминатор

• Только генератор

• Поочередно: то дискриминатор, то генератор

• Только дискриминатор

Multiple Choice

Какой сигнал должен выдавать дискриминатор для реальных изображений?

• 0

• 0.5

• 1

• -1

Multiple Choice

Какое применение GAN вызывает этические споры?

• Генерация фейковых фотографий людей

• Улучшение медицинских снимков

• Создание анимационных персонажей

• Оптимизация сельского хозяйства