Prueba de ControlNet

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

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. ¿Cuál es el papel de las capas de 'convolución cero' en ControlNet?
   • Eliminan los pesos del modelo original
   • Comienzan con pesos cero, por lo que el entrenamiento comienza a partir del comportamiento del modelo original.
   • Convierten imágenes a escala de grises
   • Añaden ruido aleatorio al mensaje.
3. ¿Cuál de estas es una entrada de acondicionamiento ControlNet válida?
   • Una hoja de cálculo de números.
   • Una forma de onda de audio
   • Un esqueleto OpenPose o un mapa de profundidad
   • Un esquema de base de datos
4. ¿Cómo se relaciona ControlNet con el modelo de difusión base como Difusión Estable?
   • Reemplaza completamente el modelo base.
   • Solo funciona sin ningún modelo base.
   • Se ejecuta en una computadora separada a través de Internet.
   • Se fija como una rama entrenable mientras el modelo base permanece congelado.
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