Prompt-to-Prompt-Cross-Attention-Bearbeitungsquiz

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

1. Welche internen Informationen verwendet Prompt-to-Prompt wieder, um eine Szene zu bewahren?
   • Die Kreuzaufmerksamkeitskarten verknüpfen Wörter mit Bildregionen
   • Die endgültigen Ausgabepixel
   • Der Optimierungsstatus des Modells
   • Die Komprimierungsmetadaten des Bildes
2. Erfordert Prompt-to-Prompt eine Feinabstimmung des Modells?
   • Ja, eine vollständige Neuschulung pro Bearbeitung
   • Nein, es ist eine trainingsfreie Technik
   • Ja, aber nur der Text-Encoder
   • Nur zum Hinzufügen neuer Wörter
3. Um ein „Fahrrad“ gegen ein „Motorrad“ auszutauschen und dabei die Szene beizubehalten, gehen Sie wie folgt vor:
   • Maskiert den Fahrradbereich von Hand
   • Trainiert einen neuen LoRA für Motorräder
   • Ordnet die Aufmerksamkeit zwischen den entsprechenden Tokens über die beiden Eingabeaufforderungen hinweg zu
   • Erzeugt ein völlig eigenständiges Bild
4. Was bewirkt die Neugewichtung der Aufmerksamkeit eines Tokens?
   • Es ändert die Bildauflösung
   • Dadurch wird das Token vollständig gelöscht
   • Die Wörter in der Eingabeaufforderung werden neu angeordnet
   • Es verstärkt oder schwächt den visuellen Einfluss dieses Wortes
5. Wenn Sie der Eingabeaufforderung ein Wort hinzufügen, erfolgt von Eingabeaufforderung zu Eingabeaufforderung Folgendes:
   • Behält die Aufmerksamkeit für unveränderte Token bei und lässt nur das neue Token neue Aufmerksamkeit erzeugen
   • Das gesamte Bild wird erneut randomisiert
   • Ignoriert das hinzugefügte Wort
   • Wechselt zu einem anderen Basismodell
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