Тест, свързан с ръководство · Среден Ниво
LoRA плъзгачи за тест за редактиране на изображения
Разберете как плъзгачите на LoRA научават непрекъснати атрибути на изображението от примери и защо разплитането има значение за контролирано редактиране.
Въпрос 1 на 8
Какво означава „нисък ранг“ в LoRA?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Какво означава „нисък ранг“ в LoRA?
- Използване на две малки матрици за приближаване на промените в теглото, вместо редактиране на всички тегла
- Намаляване на разделителната способност на изходното изображение
- Намаляване на броя на стъпките на дифузия
- Класиране на понятия от най-малко към най-важно
- Защо можете да подреждате няколко LoRA слайдера наведнъж?
- Тъй като те презаписват основния модел последователно
- Тъй като всеки е малък, отделен модул, добавен към замразения базов модел
- Тъй като моделът се преквалифицира между всеки плъзгач
- Тъй като само един плъзгач е активен в даден момент
- Какво обикновено прави увеличаването на стойността на силата на плъзгача?
- Добавя произволен шум към изображението
- Преминава към различен базов модел
- Тласка целевата концепция по-силно в положителна посока
- Намалява размера на файла на LoRA
- В сравнение с борбата с текстови подкани, ключово предимство на плъзгачите е:
- Те не изискват основен дифузионен модел
- Те елиминират необходимостта от всякаква подкана
- Те произвеждат само черно-бели изображения
- Непрекъснат, повтарящ се контрол върху един атрибут
- How many unique Concept Sliders does the paper report composing without degrading output quality?
- More than 50 in the reported composition experiment
- Exactly two, with no larger compositions tested
- One slider per image, with no stacking
- An unlimited number for every model
- Каква концепция представи работата на Concept Sliders?
- Начин за компресиране на изображения с дифузия
- Указания за обучение на LoRA, които се съпоставят с един редактируем атрибут
- Нов семплер за по-бързо генериране
- Метод за автоматично надписване на изображения
- What training examples can Concept Sliders use to define a visual attribute direction?
- Only a complete retraining of the diffusion model
- A list of file names with no examples
- A small set of text prompts or sample images
- A video transcript unrelated to the target attribute
- Why does Concept Sliders seek to minimize interference with unrelated attributes?
- So the frozen base model must be retrained for every edit
- So all sliders produce the same visual change
- So a slider cannot be combined with another module
- So changing one slider is less likely to alter other aspects of the image