Prueba de edición de instrucciones de InstructPix2Pix

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

1. ¿Cómo le dices a InstructPix2Pix qué cambiar?
   • Escribiendo una instrucción de edición en lenguaje sencillo
   • Dibujando una máscara precisa sobre la región
   • Subiendo una segunda imagen de referencia
   • Ajustando los controles deslizantes para cada píxel
2. ¿Cómo se crearon los datos de entrenamiento de InstructPix2Pix?
   • Contratando humanos para editar millones de fotos
   • Uso de GPT-3 para pares de subtítulos y Solicitud a solicitud para crear pares de imágenes
   • Eliminando fotos de antes y después de las redes sociales
   • Enmascarando manualmente cada imagen de entrenamiento
3. ¿Qué controlan las dos escalas de orientación de InstructPix2Pix?
   • Resolución y profundidad de color.
   • Velocidad de entrenamiento y velocidad de inferencia.
   • Adhesión a la instrucción versus fidelidad a la imagen original
   • Número de objetos y número de colores.
4. ¿Por qué el modelo tiende a dejar partes de la imagen que no se mencionan?
   • Porque solo edita el centro de la imagen.
   • Porque ignora por completo la imagen de entrada.
   • Porque siempre usa mascarilla internamente.
   • Porque las instrucciones describen un cambio en lugar de una escena completamente nueva.
5. Does InstructPix2Pix require separate per-image fine-tuning or inversion before applying an edit?
   • No; the trained model can apply an instruction without per-example fine-tuning or inversion
   • Yes; every image must be used to train a new diffusion model
   • Yes; an artist must invert each pixel by hand
   • No; it edits images without running any diffusion steps
6. Si una edición es demasiado agresiva y pierde el tema original, ¿qué ayuda?
   • Bajando la resolución
   • Elevando la escala de orientación de fidelidad de imagen
   • Eliminar el texto de instrucciones
   • Cambiar a escala de grises
7. What is one limitation to check after an InstructPix2Pix edit?
   • The model always preserves every unmentioned pixel exactly
   • The output is guaranteed to match historical truth
   • The model may change details beyond the intended edit
   • Every instruction must be converted into a hand-drawn mask
8. What generative model provided the image prior used in InstructPix2Pix’s synthetic training-data pipeline?
   • AlfaFold
   • susurro
   • BERT
   • Stable Diffusion