গাইড লিঙ্ক ক্যুইজ · কঠিন স্তর
প্রম্পট-টু-প্রম্পট ক্রস-অ্যাটেনশন সম্পাদনা কুইজ
অন্বেষণ করুন কিভাবে প্রম্পট-টু-প্রম্পট সম্পাদনাগুলি ক্রস-অ্যাটেনশন কন্ট্রোল, লোকালাইজড মিশ্রন, এবং বাস্তব ফটোগুলির জন্য ইনভারসনের মাধ্যমে ছবিগুলি তৈরি করে৷
প্রশ্ন 1 এর 8
কোন অভ্যন্তরীণ তথ্য প্রম্পট-টু-প্রম্পট একটি দৃশ্য সংরক্ষণ করতে পুনরায় ব্যবহার করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- কোন অভ্যন্তরীণ তথ্য প্রম্পট-টু-প্রম্পট একটি দৃশ্য সংরক্ষণ করতে পুনরায় ব্যবহার করে?
- ক্রস-অ্যাটেনশন ম্যাপগুলি ছবির অঞ্চলগুলির সাথে শব্দগুলিকে লিঙ্ক করে৷
- চূড়ান্ত আউটপুট পিক্সেল
- মডেলের অপ্টিমাইজার অবস্থা
- ছবির কম্প্রেশন মেটাডেটা
- প্রম্পট-টু-প্রম্পটের কি মডেলটিকে ফাইন-টিউনিং করা প্রয়োজন?
- হ্যাঁ, সম্পাদনা প্রতি একটি সম্পূর্ণ পুনরায় প্রশিক্ষণ
- না, এটি একটি প্রশিক্ষণ-মুক্ত কৌশল
- হ্যাঁ, কিন্তু শুধুমাত্র টেক্সট এনকোডার
- শুধুমাত্র নতুন শব্দ যোগ করার জন্য
- দৃশ্যটি রাখার সময় একটি 'মোটরসাইকেল' এর জন্য একটি 'বাইসাইকেল' অদলবদল করতে, পদ্ধতি:
- হাত দ্বারা সাইকেল অঞ্চল মাস্ক
- মোটরসাইকেলের জন্য একটি নতুন LoRA প্রশিক্ষণ দেয়
- দুটি প্রম্পট জুড়ে সংশ্লিষ্ট টোকেনের মধ্যে মানচিত্র মনোযোগ
- একটি সম্পূর্ণ স্বাধীন ইমেজ তৈরি করে
- একটি টোকেনের মনোযোগ পুনরায় ওজন করা কি সম্পন্ন করে?
- এটি ছবির রেজোলিউশন পরিবর্তন করে
- এটি সম্পূর্ণরূপে টোকেন মুছে দেয়
- এটি প্রম্পটে শব্দগুলিকে পুনরায় সাজায়
- এটি সেই শব্দের চাক্ষুষ প্রভাবকে শক্তিশালী বা দুর্বল করে
- আপনি যখন প্রম্পটে একটি শব্দ যোগ করেন, প্রম্পট-টু-প্রম্পট:
- অপরিবর্তিত টোকেনগুলির জন্য মনোযোগ সংরক্ষণ করে এবং শুধুমাত্র নতুন টোকেনকে নতুন মনোযোগ তৈরি করতে দেয়
- পুরো চিত্রটিকে পুনরায় এলোমেলো করে
- যোগ করা শব্দ উপেক্ষা করে
- একটি ভিন্ন বেস মডেল সুইচ
- Which separate model was trained to follow written image-editing instructions from an input image?
- InstructPix2Pix, a conditional diffusion editor trained on generated instruction-edit pairs
- Prompt-to-Prompt, which edits by controlling cross-attention maps during denoising
- Null-text inversion, which optimizes unconditional embeddings for image inversion
- LocalBlend, which creates a selected-token mask from attention maps
- What does the Prompt-to-Prompt LocalBlend feature use to localize a change?
- A hand-drawn mask required for every Prompt-to-Prompt edit
- The EXIF metadata of the original image
- Attention maps for selected prompt words to construct a spatial mask
- A classifier that identifies image copyright
- What extra step can enable Prompt-to-Prompt editing of a real photograph?
- Train a new diffusion model from scratch
- Convert the photograph into an audio spectrogram
- Replace every cross-attention layer with a classifier
- Invert the image into the diffusion model’s latent trajectory first