Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ DreamBooth

Εξερευνήστε τη λεπτομέρεια διάχυσης για συγκεκριμένο θέμα του DreamBooth, τον στόχο της προηγούμενης διατήρησης και τις ανταλλαγές αξιολόγησης μεταξύ των προτροπών.

Σχετικές διαδρομές οδηγώνDreambooth
Ερώτηση 1 του 8

Τι τροποποιεί το DreamBooth που δεν το τροποποιεί η Textual Inversion;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι τροποποιεί το DreamBooth που δεν το τροποποιεί η Textual Inversion;
    • Τα πραγματικά βάρη του μοντέλου
    • Μόνο το κείμενο προτροπής
    • Μορφή αρχείου εικόνας
    • Τα προγράμματα οδήγησης GPU του χρήστη
  2. Ποιος είναι ο σκοπός της απώλειας εκ των προτέρων διατήρησης του DreamBooth;
    • Για να επιταχύνετε την απόδοση εικόνας
    • Για να αποφευχθεί η υπερβολική τοποθέτηση και να διατηρηθεί η έννοια της ευρύτερης κατηγορίας
    • Για να συρρικνωθεί το μέγεθος του αρχείου
    • Για να αφαιρέσετε φόντο
  3. Πώς αναφέρεται συνήθως ένα θέμα στις προτροπές εκπαίδευσης DreamBooth;
    • Με το πλήρες πραγματικό του όνομα
    • Μόνο με αριθμητικό αναγνωριστικό
    • Με μια σπάνια ένδειξη συν μια λέξη κατηγορίας, όπως «σκύλος»
    • Με ένα emoji
  4. Πόσες περίπου εικόνες θέματος χρειάζεται το DreamBooth;
    • Χιλιάδες
    • Ακριβώς ένα
    • Εκατό
    • Περίπου 3 με 5
  5. Ποιος είναι ο συνηθισμένος συμβιβασμός της χρήσης του DreamBooth;
    • Μεγαλύτερος χώρος αποθήκευσης και περισσότερος υπολογισμός από τις ελαφριές μεθόδους
    • Χαμηλότερη ποιότητα εικόνας από τις ενσωματώσεις
    • Λειτουργεί μόνο σε κείμενο, όχι σε εικόνες
    • Δεν χρειάζεται καθόλου εκπαίδευση
  6. Ποιος συνδυασμός χρησιμοποιείται πλέον ευρέως για να κάνει το DreamBooth πιο ελαφρύ;
    • DreamBooth με OCR
    • DreamBooth με LoRA
    • DreamBooth με GPS
    • DreamBooth με μοντέλα ήχου
  7. What subject variations did the DreamBooth paper demonstrate in generated images?
    • Only the exact camera angle from the training photos
    • Only the original background pixels
    • The subject could appear in novel scenes, poses, views and lighting
    • Different subjects with no relation to the reference
  8. What kind of model parameters does LoRA adapt?
    • Only the image file metadata
    • A new pixel palette for every output
    • The dataset labels without changing model computation
    • Low-rank update matrices added to selected weight transformations