Kvíz spojený s průvodcem · Střední úroveň

ControlNet kvíz

Otestujte strukturální podmínky ControlNet, zamrzlou páteř, nulovou konvoluci a chování při generování obrázků podle verze.

Související vodicí cestyControlnet
Otázka 1 z 8

What does ControlNet add to a pretrained text-to-image diffusion model?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. What does ControlNet add to a pretrained text-to-image diffusion model?
    • A spatial conditioning path that can guide structure using inputs such as edges or pose maps
    • A guarantee that every generated pixel matches the input map exactly
    • A replacement for the text encoder and denoiser
    • A tool that predicts the original training image
  2. Jaká je role vrstev „nulové konvoluce“ v ControlNet?
    • Odstraní původní modelové hmotnosti
    • Začínají s nulovými váhami, takže trénink začíná chováním původního modelu
    • Převádějí obrázky do stupňů šedi
    • Do výzvy přidávají náhodný šum
  3. Který z těchto vstupů je platným vstupem pro úpravu ControlNet?
    • Tabulka čísel
    • Zvukový průběh
    • Kostra OpenPose nebo mapa hloubky
    • Databázové schéma
  4. Jak souvisí ControlNet se základním difúzním modelem, jako je Stable Diffusion?
    • Zcela nahrazuje základní model
    • Funguje pouze bez základního modelu
    • Běží na samostatném počítači přes internet
    • Připojuje se jako trénovatelná větev, zatímco základní model zůstává zmrazený
  5. In a ControlNet workflow, what roles can text and spatial conditioning play?
    • Text can describe semantic/style content while a spatial map supplies structural guidance
    • The spatial map proves the text prompt is factually true
    • Text always supplies exact pixel positions and the map supplies the object name
    • The text prompt is ignored whenever a map is present
  6. What training-data scale does the ControlNet paper report as robust for training its controls?
    • Only datasets with exactly 50 examples
    • Both small datasets under 50,000 examples and large datasets over 1 million examples
    • Only datasets larger than 100 million examples
    • No training data is used
  7. What does the ControlNet paper report about combining conditioning controls?
    • It permits only one edge map and requires no prompt in every case
    • It accepts text prompts but no spatial controls
    • It tests single or multiple conditions, with or without a text prompt
    • It requires exactly two depth maps for each image
  8. Which pretrained part does ControlNet reuse as a strong backbone for learning spatial controls?
    • A database of user prompts
    • A language-model tokenizer only
    • A separately trained classifier for every edge map
    • The deep encoding layers of a pretrained diffusion model