《人工智能通识（AIGC版）》课后交互式测验-参考答案 测验5-02 AIGC工具与文生视频技术-参考答案

【单选题】“文生视频”技术核心要达成的目标是？

A.将视频内容转换为自然语言描述

B.理解文本语义信息并生成与之匹配的动态视觉序列

C.对图像进行简单的色彩调整

D.实现语音与文本的相互转换参考答案：B答案解析：“文生视频”技术是将自然语言描述转换为连贯的视频内容，其核心目标是理解文本的语义信息，并生成与之匹配的动态视觉序列，A选项与该技术目标相反；C选项图像色彩调整并非其核心目标；D选项语音与文本相互转换属于语音识别和语音合成技术范畴，与“文生视频”技术无关。所以答案选B。【单选题】以下关于“文生视频”关键帧生成与时序建模阶段的说法，错误的是？

A.主要依赖扩散模型或Transformer架构，从随机噪声逐步去噪生成关键帧

B.现代系统采用跨帧一致性技术，确保人物特征、场景细节在不同关键帧中保持统一

C.时序生成模型（如LSTM）不用于预测帧序列

D.输入“一只狗在草地上奔跑”会生成狗起跑、奔跑和停止的关键帧参考答案：C答案解析：在关键帧生成与时序建模阶段，主要依赖扩散模型或Transformer架构，从随机噪声逐步去噪，生成符合文本描述的关键帧，A选项正确；现代系统采用跨帧一致性技术，确保人物特征、场景细节在不同关键帧中保持统一，B选项正确；时序生成模型（如LSTM）会进一步预测帧序列，利用自注意力机制捕捉帧间依赖关系，使静态文本映射为动态内容，C选项错误；输入“一只狗在草地上奔跑”会生成狗起跑、奔跑和停止的关键帧，D选项正确。所以答案选C。【单选题】“文生视频”技术中，为使关键帧之间的过渡流畅，生成中间过渡帧所采用的技术是？

A.仅使用光流估计

B.仅使用帧插值模型（如FILM）

C.光流估计或帧插值模型（如FILM）

D.传统的图像缩放算法参考答案：C答案解析：为使关键帧之间的过渡流畅，AI通过光流估计或帧插值模型（如FILM）计算像素级运动轨迹，生成中间过渡帧，A、B选项说法不全面；传统的图像缩放算法无法实现关键帧之间的流畅过渡和中间帧生成，D选项错误。所以答案选C。【单选题】在“文生视频”的画质增强与后处理阶段，用于提升视频分辨率至高清或4K的算法不包括以下哪项？

A.SRCNN

B.SVM

C.SRGAN

D.ESRGAN参考答案：B答案解析：在画质增强与后处理阶段，通常通过超分辨率算法（如SRCNN、SRGAN、ESRGAN）提升画质至高清或4K。SVM（支持向量机）是一种分类和回归算法，主要用于数据分类和模式识别，并非用于提升视频分辨率的超分辨率算法。所以答案选B。【单选题】“文生视频”技术最终输出前，用于校验视频物理合理性的技术是？

A.仅通过人工审核

B.内置物理引擎验证物体运动是否符合重力、碰撞等规律

C.利用图像分类算法

D.使用目标检测算法参考答案：B答案解析：在最终输出前，AI会通过内置物理引擎验证物体运动是否符合重力、碰撞等规律来校验视频的物理合理性，A选项人工审核不属于AI自动校验技术；C选项图像分类算法主要用于对图像进行分类，无法校验物理合理性；D选项目标检测算法用于检测图像中的目标物体，不能用于校验物理合理性。所以答案选B。【单选题】在“文生视频”技术中，利用多模态对比（如CLIP）确保内容与原始文本一致是在哪个阶段？

A.文本理解与场景解析

B.关键帧生成与时序建模

C.物理合理性校验与全局优化

D.画质增强与后处理参考答案：C答案解析：在最终输出前，通过内置物理引擎验证物体运动是否符合重力、碰撞等规律，并利用多模态对比（如CLIP）确保内容与原始文本一致，这一过程属于物理合理性校验与全局优化阶段，A、B、D选项均不符合。所以答案选C。【单选题】若“文生视频”系统检测到视频中物体突然消失的问题，会采用以下哪种方式进行修复？

A.重新进行文本理解与场景解析

B.通过对抗训练（GANs）或扩散模型进行修复

C.手动绘制缺失的物体

D.降低视频的分辨率参考答案：B答案解析：若检测到问题（如物体突然消失或比例失调），系统会通过对抗训练（GANs）或扩散模型进行修复，A选项重新进行文本理解与场景解析不能直接修复该问题；C选项手动绘制不属于AI自动修复方式；D选项降低视频分辨率无法解决物体突然消失的问题。所以答案选B。【单选题】以下关于“文生视频”技术应用领域的描述，错误的是？

A.已逐步应用于短视频创作

B.仅用于游戏开发领域

C.应用于广告制作

D.有望在未来实现影视级内容生成参考答案：B答案解析：当前，“文生视频”技术已逐步应用于短视频创作、广告制作、游戏开发等领域，并有望在未来实现影视级内容生成，B选项说仅用于游戏开发领域过于片面，不符合实际情况。所以答案选B。【单选题】在“文生视频”的文本理解与场景解析阶段，建立文本与视觉元素映射关系的主要作用是？

A.增加文本描述的词汇量

B.为后续生成连贯、符合文本意图的视频内容奠定基础

C.优化文本的语法结构

D.减少视频生成过程中的计算量参考答案：B答案解析：建立文本与视觉元素的映射关系，能让AI明确文本中描述的主体、背景、动作等对应到怎样的视觉画面上，从而为后续生成连贯、符合文本意图的视频内容奠定基础。A选项增加文本词汇量并非此映射关系的作用；C选项优化语法结构与该映射关系无关；D选项减少计算量也不是其主要目的。所以答案选B。【单选题】在“文生视频”的画质增强与后处理阶段，优化动态模糊的主要目的是？

A.使视频中的物体轮廓更加清晰锐利

B.模拟真实运动场景下的视觉效果，增强视频的真实感

C.突出视频中的主体对象

D.减少视频文件的存储大小参考答案：B答案解析：优化动态模糊可以模拟真实运动场景下物体运动时产生的模糊效果，从而增强视频的真实感。A选项使物体轮廓更清晰锐利通常是通过锐化等操作实现，并非优化动态模糊的目的；C选项突出主体对象可通过色彩、对比度等调整实现，与动态模糊优化无关；D选项减少视频文件存储大小一般通过压缩编码等技术，不是优化动态模糊的作用。所以答案选B。【判断题】文生视频技术仅依赖计算机视觉（CV）技术，无需自然语言处理（NLP）支持。参考答案：错

答案解析：文生视频需先通过NLP模型（如BERT、GPT）解析文本语义，再结合CV生成视频，二者缺一不可。【判断题】在文本理解阶段，AI会将“戴帽子的小男孩”直接转化为3D建模数据。参考答案：错

答案解析：文本理解阶段仅提取语义信息（如主体、背景、动作），生成视觉蓝图，而非直接建模，建模发生在后续步骤。【判断题】关键帧生成时，所有帧均需完全独立生成，无需考虑帧间一致性。参考答案：错

答案解析：需通过跨帧一致性技术（如特征对齐）确保人物特征、场景细节在关键帧中统一，避免人物“变脸”或场景突变。【判断题】运动补间与帧插值技术类似于传统动画中的“逐帧手绘”过程。