Тест, свързан с ръководство · Среден Ниво

IP-адаптер за тест с подкани за изображения

Подсказване на тестови изображения с IP-адаптер, включително замразени енкодери, отделено внимание, функции за прожектиране и комбинирано кондициониране на текст и изображение.

Свързани ръководни пътекиIP адаптер за подкани за изображения
Въпрос 1 на 8

Какъв основен проблем адресира IP-адаптерът?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какъв основен проблем адресира IP-адаптерът?
    • Дифузионните модели са твърде бавни, за да работят на потребителски графични процесори
    • Изображенията не могат да бъдат кодирани от невронни мрежи
    • Текстовите подкани се затрудняват да опишат конкретни визуални детайли като лице или стил
    • Текстовите подкани са твърде кратки, за да се поберат в паметта
  2. How does the original IP-Adapter add image conditioning to text-to-image diffusion?
    • It retrains every parameter of the base model
    • It concatenates raw image pixels into the text tokenizer
    • It removes text conditioning whenever an image is supplied
    • It adds a separate image cross-attention path alongside text attention
  3. Which checkpoint family did the original IP-Adapter paper demonstrate reusing a trained adapter with?
    • Any diffusion architecture regardless of its base model
    • Compatible custom checkpoints fine-tuned from the same base diffusion model
    • Only checkpoints with all adapter parameters retrained from scratch
    • Only a text encoder without a diffusion network
  4. Приблизително колко обучаеми параметри добавя оригиналният IP-адаптер?
    • Около 22 милиона
    • Около 7 милиарда
    • Около 500
    • Около 100 милиарда
  5. С кой инструмент IP-адаптерът обикновено се комбинира за контрол на оформлението?
    • Проверка на правописа
    • Електронна таблица
    • Обобщаващ текст
    • ControlNet
  6. Какво кодира референтното изображение, преди характеристиките му да влязат в модела?
    • Генератор на произволни числа
    • Токенизаторът на текст
    • Замразен кодиращ CLIP изображение
    • Търсене в база данни
  7. After the CLIP image encoder, what job does IP-Adapter's trainable projection perform?
    • It changes the diffusion model's tokenizer vocabulary
    • It maps the reference embedding into features compatible with the attention layers
    • It converts the generated image into a segmentation label
    • It trains CLIP from scratch for each reference photo
  8. In IP-Adapter's decoupled attention design, how are text and image attention contributions used together?
    • Their attention outputs are combined to condition generation
    • Text attention is permanently discarded after training
    • Image features are used only to rename the output file
    • Each contribution must generate a separate finished image