試題詳解

8.AI 文字生成影像為時下流行的 AI 應用，關於其中的重要演算法 Diffusion Model 與 CLIP 的 運作原理與應用，下列敘述何者正確？
(A) Diffusion Model 主要透過自迴歸(autoregressive)機制產生影像，而 CLIP 只負責 將文字編碼為雜訊向量，並不影響影像生成過程。
(B) Diffusion Model 在訓練時會逐步加入雜訊並學習反向還原，以掌握影像生成的過程； 而 CLIP 能提供文字與影像對齊的語意指引，協助控制生成結果。
(C) CLIP 僅能提供影像的局部像素分佈資訊，無法對生成影像的高階語意與構圖進行評估或 指導。
(D) Diffusion Model 天生無法生成清晰影像，若不借助 GAN 或 VAE，無論是否使用 CLIP 引導都只能得到高雜訊的模糊影像。