ControlNet тест

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. What does ControlNet add to a pretrained text-to-image diffusion model?
   • A spatial conditioning path that can guide structure using inputs such as edges or pose maps
   • A guarantee that every generated pixel matches the input map exactly
   • A replacement for the text encoder and denoiser
   • A tool that predicts the original training image
2. Каква е ролята на слоевете с нулева конволюция в ControlNet?
   • Те изтриват оригиналните грамажи на модела
   • Те започват с нулеви тежести, така че обучението започва от поведението на оригиналния модел
   • Те преобразуват изображения в нива на сивото
   • Те добавят случаен шум към подканата
3. Кое от тях е валиден вход за кондициониране на ControlNet?
   • Електронна таблица с числа
   • Форма на звукова вълна
   • OpenPose скелет или карта на дълбочината
   • Схема на база данни
4. Как се свързва ControlNet с базовия дифузионен модел като стабилна дифузия?
   • Заменя изцяло базовия модел
   • Работи само без основен модел
   • Работи на отделен компютър през интернет
   • Прикрепя се като клон, който може да се обучава, докато основният модел остава замразен
5. In a ControlNet workflow, what roles can text and spatial conditioning play?
   • Text can describe semantic/style content while a spatial map supplies structural guidance
   • The spatial map proves the text prompt is factually true
   • Text always supplies exact pixel positions and the map supplies the object name
   • The text prompt is ignored whenever a map is present
6. What training-data scale does the ControlNet paper report as robust for training its controls?
   • Only datasets with exactly 50 examples
   • Both small datasets under 50,000 examples and large datasets over 1 million examples
   • Only datasets larger than 100 million examples
   • No training data is used
7. What does the ControlNet paper report about combining conditioning controls?
   • It permits only one edge map and requires no prompt in every case
   • It accepts text prompts but no spatial controls
   • It tests single or multiple conditions, with or without a text prompt
   • It requires exactly two depth maps for each image
8. Which pretrained part does ControlNet reuse as a strong backbone for learning spatial controls?
   • A database of user prompts
   • A language-model tokenizer only
   • A separately trained classifier for every edge map
   • The deep encoding layers of a pretrained diffusion model