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।

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