- Executores
-
Aprender
Aprender Python Exemplos executáveis, NumPy, pandas e mais Aprender IA / Machine LearningRedes neurais, ML e LLMs do zero Aprender C e C++ Ponteiros, memória, STL e C++ moderno Aprender C#Fundamentos, POO, LINQ, async e exercícios .NET Aprender MatplotlibGráficos de linha, barras, dispersão e pizza com visualizadores Aprender RustOwnership, traits, tratamento de erros e threads Aprender GoSlices, interfaces, goroutines e channels Algoritmos em Python Busca, ordenação, recursão e visualizações O(n) Algoritmos em C e C++ Compare implementações em C e C++ Programação para crianças Aprenda a programar brincando!
- QuizzesNovo
- DesafiosNovo
- Para professoresNovo
- Atualizações
- Me pague um café
Quiz de AI & Machine Learning: Diffusion & Image Models
Most modern text-to-image tools are built on diffusion models, which learn to turn random noise into images step by step. This quiz checks how diffusion is trained and sampled, how the prompt steers it, and what settings like guidance scale, steps, seed and strength do.
Pergunta de exemplo
Pergunta 1 de 10What is the core idea of a diffusion model for images?
Mostrar a resposta
B. It learns to reverse a gradual noising process, so it can start from pure noise and denoise it into an image step by step Training teaches the model to remove noise; generation starts from random noise and applies many denoising steps. It does not search for or collage stored images.
O que este quiz cobre
- The forward noising process and learned reverse denoising
- Text conditioning and latent diffusion
- Guidance scale, sampling steps and seeds
- Negative prompts and image-to-image strength
- How GANs differ from diffusion models
Perguntas frequentes
Preciso de uma conta?
Não. Qualquer pessoa pode jogar. Entre para guardar seu XP, sequência, badges e histórico.
Posso refazer?
Pode. Sua melhor nota fica salva, e as perguntas e respostas são embaralhadas a cada vez.