真面经，好答案。面试之前，先来面栈。

图像分类

题集来源：Rocky Ding（WeThinkIn）收录项目：AIGC-Interview-Book查看原题集

题目目录

27 道原题

  1. ViT 如何把图像变成 token 序列？

    原题
    关联题目ViT 与 MAE 的结构和预训练方式有何区别，如何用于视觉表示学习？模型基础与推理 / 多模态与生成模型原理机制进阶0篇相关面经

  2. Swin Transformer 为什么适合检测和分割？

    原题
    关联题目Swin Transformer 如何通过移位窗口和层级特征支持密集视觉任务？模型基础与推理 / 多模态与生成模型原理机制进阶0篇相关面经

  3. ConvNeXt 为什么被称为现代化 CNN？

    原题
    关联题目CNN 分类网络如何演进，经典结构分别贡献了什么？模型基础与推理 / 多模态与生成模型比较选型进阶0篇相关面经

  4. AIGC 时代哪些视觉骨干最常考？

    原题
    关联题目ViT 与 CNN 在图像特征提取上有什么优劣，各适合什么条件？模型基础与推理 / 多模态与生成模型比较选型进阶0篇相关面经

  5. MAE 和 DINOv2 分别代表什么自监督预训练路线？

    原题
    关联题目ViT 与 MAE 的结构和预训练方式有何区别，如何用于视觉表示学习？模型基础与推理 / 多模态与生成模型原理机制进阶0篇相关面经关联题目DINO 系列如何通过自蒸馏学习可迁移的视觉表示？模型训练与对齐 / 预训练、续训与 SFT原理机制进阶0篇相关面经

  6. CLIP 为什么改变了视觉分类和检索范式？

    原题
    关联题目CLIP 如何通过对比学习连接图像与文本？模型基础与推理 / 多模态与生成模型原理机制进阶0篇相关面经

  7. DiT 为什么会成为扩散模型中的重要 backbone？

    原题
    关联题目扩散生成主干中的 U-Net 与 DiT 如何组织特征、注入条件并扩展规模？模型基础与推理 / 多模态与生成模型比较选型进阶0篇相关面经

  8. ViT 如何处理不同分辨率和变长视觉 token 序列？

    原题
    关联题目VLM 如何处理高分辨率图像，有哪些计算与架构设计挑战？模型基础与推理 / 多模态与生成模型方案设计深入0篇相关面经

  9. FasterDiT、SiT、LightningDiT 分别从哪些方向改进 DiT？

    原题
    关联题目图像生成模型的训练配方如何组织数据、表示、优化与质量验证？模型训练与对齐 / 训练框架、调参与排障方案设计进阶0篇相关面经

  10. DiT 如何注入时间、类别、文本和结构控制条件？

    原题
    关联题目扩散生成主干中的 U-Net 与 DiT 如何组织特征、注入条件并扩展规模？模型基础与推理 / 多模态与生成模型比较选型进阶0篇相关面经