Kvíz spojený s průvodcem · Těžko úroveň
Úpravový kvíz s výzvou pro křížovou pozornost
Prozkoumejte, jak Prompt-to-Prompt upravuje generované obrázky pomocí kontroly křížové pozornosti, lokalizovaného prolnutí a inverze pro skutečné fotografie.
Otázka 1 z 8
Jaké interní informace znovu používá Prompt-to-Prompt k zachování scény?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaké interní informace znovu používá Prompt-to-Prompt k zachování scény?
- Křížová pozornost mapuje spojování slov s oblastmi obrázku
- Konečné výstupní pixely
- Stav optimalizátoru modelu
- Metadata komprese obrázku
- Vyžaduje Prompt-to-Prompt jemné doladění modelu?
- Ano, úplné přeškolení na úpravu
- Ne, je to technika bez tréninku
- Ano, ale pouze textový kodér
- Pouze pro přidávání nových slov
- Chcete-li vyměnit „kolo“ za „motocykl“ při zachování scény, metoda:
- Ručně maskuje oblast kola
- Trénuje novou LoRA pro motocykly
- Mapuje pozornost mezi odpovídajícími tokeny přes dvě výzvy
- Vytváří zcela nezávislý obraz
- Čeho dosáhne převážení pozornosti tokenu?
- Mění rozlišení obrazu
- Token zcela odstraní
- Změní pořadí slov ve výzvě
- Posiluje nebo oslabuje vizuální vliv tohoto slova
- Když do výzvy přidáte slovo, Prompt-to-Prompt:
- Zachová pozornost pro nezměněné žetony a nechá novou pozornost vytvořit pouze nový žeton
- Znovu randomizuje celý obrázek
- Ignoruje přidané slovo
- Přepne na jiný základní model
- 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