图像创作 · AIGC图像生成领域的训练&性能优化技术

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

题目目录

10 道原题
  1. AIGC图像创作大模型的完整训练与性能优化流程通常包含哪些阶段?

    原题
  2. AIGC图像创作大模型的数据工程通常包含哪些关键环节?

    原题
  3. 为什么高质量Caption、VLM重标注和合成数据会显著影响Prompt Following?

    原题
  4. 文字渲染、知识图像和编辑数据应该如何构建?

    原题
  5. Continued Training、SFT、DPO、GRPO、RLHF/RLAIF分别解决什么问题?

    原题
  6. 图像生成中的奖励模型、VLM-as-a-Judge和人类偏好数据如何发挥作用?

    原题
  7. 图像创作大模型的训练为什么需要T2I/I2I联合训练和多粒度编辑数据?

    原题
  8. 少步采样、Consistency Distillation、DMD/Turbo蒸馏解决了什么问题?

    原题
  9. 量化、缓存、注意力优化、Token压缩和编译优化分别适合哪些AIGC图像创作推理场景?

    原题
  10. AIGC图像创作领域实际部署中如何平衡图像质量、生成速度、显存占用和成本?

    原题