Cuestionario vinculado a una guía · Medio Nivel
Prueba de por qué los generadores de imágenes de IA se equivocan
Prueba por qué las manos desafían los modelos de difusión, incluida la resolución latente, la variedad de poses y los subtítulos escasos, y cómo ControlNet y inpainting los solucionan.
Pregunta 1 de 8
Según la guía, ¿qué aprende principalmente un modelo de difusión de los pares imagen-título?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- Según la guía, ¿qué aprende principalmente un modelo de difusión de los pares imagen-título?
- Patrones visuales locales como textura e iluminación.
- Reglas anatómicas explícitas sobre los dedos.
- Un esqueleto 3D incorporado del cuerpo humano.
- Un procedimiento de conteo de partes del cuerpo.
- ¿Cómo la compresión latente en Stable Diffusion hace que sea más difícil dibujar las manos?
- Elimina información de color.
- Elimina manos de las imágenes de entrenamiento.
- Reduce la imagen en un factor de ocho en cada dimensión, dejando a la mano sólo unas pocas células latentes.
- Convierte la imagen en texto.
- ¿Por qué los subtítulos les dan poca ayuda a los modelos con las manos?
- Los subtítulos están escritos en un idioma oscuro.
- Los subtítulos rara vez mencionan las manos o describen su pose.
- Los subtítulos se eliminan antes del entrenamiento.
- Los subtítulos describen solo las manos y nada más.
- ¿Qué versión de Midjourney según la guía fue ampliamente conocida por tener mejores manos en 2023?
- Versión 1
- Versión 2
- Versión 3
- Versión 5
- ¿Qué hace un flujo de trabajo de detección y repintado estilo ADetailer?
- Encuentra regiones de la mano, regenera cada una con una resolución efectiva más alta mediante pintura y las vuelve a combinar
- Agrega una marca de agua sobre las manos.
- Reemplaza las manos con guantes automáticamente
- Elimina las manos de la imagen.
- ¿Por qué las indicaciones negativas como "dedos extra" suelen ayudar poco?
- Son demasiado largos para el codificador.
- Sólo funcionan en la representación de texto.
- Desactivan el guiado sin clasificador
- Pocas leyendas de entrenamiento describieron esos errores, por lo que el modelo solo tiene un concepto débil del que alejarse.
- ¿Qué proporciona una entrada ControlNet OpenPose al arreglar las manos?
- Una paleta de colores
- Una nueva semilla aleatoria
- Un esqueleto con puntos clave manuales que proporciona la geometría.
- Un título más largo
- Una supuesta imagen falsa tiene manos anatómicamente perfectas. ¿Qué debería concluir un verificador de hechos?
- La imagen es definitivamente una fotografía real.
- Las manos correctas no prueban nada en ningún caso, porque los generadores más nuevos a menudo las dibujan correctamente.
- La imagen debe provenir de Midjourney.
- La imagen debe llevar una marca de agua.