Тест, свързан с ръководство · Среден Ниво

AnimateDiff тест за генериране на движение

Прегледайте модулите за движение на AnimateDiff, темпоралното внимание, контролните точки на съвместимото изображение, LoRA за движение на камерата и кондиционирането на референтния кадър на SparseCtrl.

Свързани ръководни пътекиAnimatediff Генериране на движение
Въпрос 1 на 8

Каква е основната идея зад AnimateDiff?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната идея зад AnimateDiff?
    • Обучение на чисто нов видео модел от нулата върху милиони клипове
    • Интерполиране между две изображения само чрез оптичен поток
    • Записване на реално видео и преструктуриране кадър по кадър
    • Включване на обучен модул за движение в модел на дифузия на замразено изображение
  2. What checkpoint compatibility condition matters when reusing an AnimateDiff motion module?
    • Every image generator accepts every motion module regardless of architecture
    • The personalized image checkpoint must be compatible with the supported base architecture and module
    • Freezing any arbitrary model makes it automatically compatible
    • The image checkpoint's filename alone establishes compatibility
  3. Как модулът за движение поддържа кадрите в съответствие един с друг?
    • Чрез времеви слоеве на вниманието, които позволяват на кадрите да присъстват във времето
    • Чрез еднакво замъгляване на всеки кадър
    • Като генерирате само един кадър и го копирате
    • Чрез използване на фиксирана предварително записана анимация
  4. С кое семейство модели AnimateDiff най-много се свързва?
    • GPT езикови модели
    • Модели за разпознаване на реч
    • Модели на стабилно дифузионно изображение
    • Таблични регресионни модели
  5. Какво обикновено контролира LoRA за движение в екосистемата AnimateDiff?
    • Речникът на текстовия енкодер
    • Специфични движения на камерата, като панорама, мащабиране или завъртане
    • Аудиозаписът на видеоклипа
    • Файловият формат на изхода
  6. How should a sixteen-frame AnimateDiff result be interpreted relative to the method's possible configurations?
    • As a guarantee that every deployment must output exactly sixteen frames
    • As proof that the method generates a feature-length film in one step
    • As a rule that the generated video contains only a single still image
    • As a short-clip configuration, rather than a universal fixed duration for every version
  7. What does SparseCtrl add to an AnimateDiff-style generation workflow?
    • A requirement to provide a manually labeled image for every frame
    • An audio transcription model that replaces temporal attention
    • Conditioning from a sparse set of reference images at selected frame positions
    • A guarantee that any unrelated image architecture is compatible
  8. How does a motion LoRA's camera control differ from SparseCtrl's reference-image guidance?
    • A motion LoRA steers a learned movement pattern, while SparseCtrl supplies visual content at selected frames
    • They are identical names for a text tokenizer
    • SparseCtrl controls only the video filename
    • Motion LoRAs require a complete reference frame at every timestamp