কাস্টম ডিফিউশন মাল্টি-কনসেপ্ট টিউনিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. ডিফিউশন মডেলের কোন অংশটি কাস্টম ডিফিউশন প্রাথমিকভাবে সূক্ষ্ম সুর করে?
   • ক্রস-অ্যাটেনশন লেয়ারে মূল এবং মান অনুমান
   • U-নেট প্রতিটি ওজন
   • শুধুমাত্র VAE ডিকোডার
   • টেক্সট টোকেনাইজার
2. একক-ধারণা পদ্ধতির তুলনায় কাস্টম ডিফিউশন কী সবচেয়ে উল্লেখযোগ্য?
   • ছবির পরিবর্তে ভিডিও তৈরি করা হচ্ছে
   • একটি দৃশ্যে একাধিক নতুন শেখা ধারণা রচনা করা
   • কোন ইমেজ এ সব প্রয়োজন
   • শুধুমাত্র CPU-তে চলছে
3. What minimum number of training images did the Custom Diffusion paper report using in some experiments?
   • As few as four images
   • At least 500 images
   • Exactly one image in every experiment
   • The paper specifies no concept images
4. কেন কাস্টম ডিফিউশন ধারণার বিস্তৃত বিভাগ থেকে নিয়মিতকরণ চিত্রগুলির একটি সেট ব্যবহার করে?
   • VAE গতি বাড়াতে
   • ছবির রেজোলিউশন বাড়ানোর জন্য
   • জলছাপ অপসারণ
   • ধারণা শব্দে ওভারফিটিং এবং ভাষার প্রবাহ রোধ করতে
5. কিভাবে দুটি পৃথকভাবে প্রশিক্ষিত কাস্টম ডিফিউশন ধারণা একসাথে ব্যবহার করা যেতে পারে?
   • টিউন করা ওজনের উপর একটি সীমাবদ্ধ অপ্টিমাইজেশনের মাধ্যমে তাদের একত্রিত করে
   • তারা কখনোই একত্রিত হতে পারে না
   • ইনপুট ইমেজ গড় করে
   • স্ক্র্যাচ থেকে সম্পূর্ণ মডেল পুনরায় প্রশিক্ষণ দ্বারা
6. What proportion of model weights did the Custom Diffusion paper report storing for its tuned subset?
   • About 3% of the model weights
   • All model weights plus a new model copy
   • No trained parameters at all
   • A fixed 50% of the model weights
7. Besides merging separately tuned models, how does Custom Diffusion support learning multiple concepts?
   • It requires a separate foundation model for every prompt
   • It replaces all cross-attention with a fixed lookup table
   • It can train for multiple concepts jointly
   • It can only learn one concept per model
8. In a cross-attention layer, what do the tuned text-side key and value projections help associate?
   • Image pixels with internet search results
   • The diffusion timestep with the model's source code
   • Audio frequencies with a document's page number
   • Prompt concepts with features in the image latent representation