ControlNet-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

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. Welche Rolle spielen die „Null-Faltungs“-Schichten in ControlNet?
   • Sie löschen die ursprünglichen Modellgewichte
   • Sie beginnen mit Nullgewichten, sodass das Training mit dem Verhalten des ursprünglichen Modells beginnt
   • Sie konvertieren Bilder in Graustufen
   • Sie fügen der Eingabeaufforderung zufälliges Rauschen hinzu
3. Welche davon ist eine gültige ControlNet-Konditionierungseingabe?
   • Eine Tabelle mit Zahlen
   • Eine Audiowellenform
   • Ein OpenPose-Skelett oder eine Tiefenkarte
   • Ein Datenbankschema
4. In welcher Beziehung steht ControlNet zum Basisdiffusionsmodell wie der stabilen Diffusion?
   • Es ersetzt das Basismodell vollständig
   • Es funktioniert nur ohne Basismodell
   • Es läuft auf einem separaten Computer über das Internet
   • Es wird als trainierbarer Zweig angehängt, während das Basismodell eingefroren bleibt
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