Κουίζ ControlNet

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

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. Ποιος είναι ο ρόλος των επιπέδων «μηδενικής συνέλιξης» στο ControlNet;
   • Διαγράφουν τα βάρη του αρχικού μοντέλου
   • Ξεκινούν με μηδενικά βάρη, οπότε η προπόνηση ξεκινά από τη συμπεριφορά του αρχικού μοντέλου
   • Μετατρέπουν τις εικόνες σε κλίμακα του γκρι
   • Προσθέτουν τυχαίο θόρυβο στην προτροπή
3. Ποιο από αυτά είναι έγκυρη είσοδος ρύθμισης ControlNet;
   • Ένα υπολογιστικό φύλλο αριθμών
   • Μια ακουστική κυματομορφή
   • Ένας σκελετός OpenPose ή ένας χάρτης βάθους
   • Ένα σχήμα βάσης δεδομένων
4. Πώς σχετίζεται το ControlNet με το βασικό μοντέλο διάχυσης όπως το Stable Diffusion;
   • Αντικαθιστά πλήρως το βασικό μοντέλο
   • Λειτουργεί μόνο χωρίς κανένα βασικό μοντέλο
   • Εκτελείται σε ξεχωριστό υπολογιστή μέσω Διαδικτύου
   • Προσαρμόζεται ως εκπαιδεύσιμο κλαδί ενώ το βασικό μοντέλο παραμένει παγωμένο
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