Prueba de cabina de sueños

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

1. ¿Qué modifica DreamBooth que no modifica Textual Inversion?
   • Los pesos reales del modelo.
   • Sólo el texto del mensaje
   • El formato del archivo de imagen
   • Los controladores de GPU del usuario.
2. ¿Cuál es el propósito de la pérdida por preservación previa de DreamBooth?
   • Para acelerar la representación de imágenes
   • Para evitar el sobreajuste y mantener el concepto de clase más amplio.
   • Para reducir el tamaño del archivo
   • Para eliminar fondos
3. ¿Cómo se suele hacer referencia a un tema en las indicaciones de formación de DreamBooth?
   • Por su nombre real completo
   • Sólo mediante un ID numérico
   • Por un token raro más una palabra de clase, como 'sks dog'
   • Por un emoji
4. ¿Aproximadamente cuántas imágenes de sujetos necesita DreamBooth?
   • Miles
   • exactamente uno
   • cien
   • Alrededor de las 3 a las 5
5. ¿Cuál es una compensación común del uso de DreamBooth?
   • Mayor almacenamiento y más procesamiento que los métodos livianos
   • Menor calidad de imagen que las incrustaciones
   • Solo funciona con texto, no con imágenes.
   • No necesita ningún entrenamiento
6. ¿Qué combinación se usa ahora ampliamente para hacer que DreamBooth sea más liviano?
   • DreamBooth con OCR
   • DreamBooth con LoRA
   • Cabina de sueños con GPS
   • DreamBooth con modelos de audio
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