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.

Свързани ръководни пътекиLora Sliders за редактиране на изображения
Въпрос 1 на 8

Какво означава „нисък ранг“ в LoRA?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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