টেক্সচুয়াল ইনভার্সন কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. What kinds of concepts did the original textual-inversion paper personalize?
   • User-provided objects or visual styles
   • Only database schemas
   • Only speech transcripts
   • Only camera calibration parameters
2. টেক্সচুয়াল ইনভারশনের জন্য সাধারণত কতগুলি উদাহরণের চিত্র প্রয়োজন?
   • শুধুমাত্র একটি একক চিত্র
   • প্রায় 3 থেকে 5 ছবি
   • হাজার হাজার ছবি
   • কোন ইমেজ এ সব
3. টেক্সচুয়াল ইনভার্সন ফাইল এত ছোট কেন (প্রায়শই কয়েক কিলোবাইট)?
   • তারা পুরো মডেল কম্প্রেস
   • তারা শুধু টেক্সট প্রম্পট
   • তারা শুধুমাত্র একটি শেখা ভেক্টর সংরক্ষণ করে
   • তারা একটি অনলাইন ডাটাবেস উল্লেখ করে
4. টেক্সচুয়াল ইনভার্সন প্রশিক্ষণের সময় কি অপরিবর্তিত থাকে?
   • উদাহরণ ইমেজ
   • নতুন ছদ্ম-শব্দ
   • টেক্সট প্রম্পট বিন্যাস
   • মডেলের বিদ্যমান ওজন সব
5. টেক্সচুয়াল ইনভার্সনের পরে আপনি কীভাবে একটি শেখা ধারণা ব্যবহার করবেন?
   • একটি প্রম্পটে এর নতুন ছদ্ম-শব্দ টাইপ করুন
   • প্রতিবার মডেলটিকে পুনরায় প্রশিক্ষণ দিন
   • ছবিগুলো আবার আপলোড করুন
   • মডেলের সোর্স কোড সম্পাদনা করুন
6. নতুন এমবেডিং অপ্টিমাইজ করতে কোন ক্ষতি ব্যবহার করা হয়?
   • একটি শ্রেণীবিন্যাস নির্ভুলতা ক্ষতি
   • উদাহরণ ইমেজ উপর প্রসারণ ক্ষতি denoising
   • একটি বক্তৃতা-স্বীকৃতি ক্ষতি
   • কোন ক্ষতি নেই; এটা ম্যানুয়াল টিউনিং
7. How does textual inversion use the learned token at generation time?
   • It replaces the image decoder
   • It directly edits a generated image without sampling
   • It inserts the token into a text prompt so the frozen text-to-image model can condition on it
   • It changes the model’s tokenizer vocabulary for every user
8. What is a key limitation of a concept learned from only a few example images?
   • It always increases the model’s image resolution
   • It automatically learns every view and lighting condition
   • It changes all existing model concepts equally
   • It may capture incidental features of those examples and generalize imperfectly