Quiz sur ControlNet

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

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. Quel est le rôle des couches « zéro convolution » dans ControlNet ?
   • Ils suppriment les poids du modèle d'origine
   • Ils commencent avec un poids nul, donc l'entraînement commence à partir du comportement du modèle d'origine.
   • Ils convertissent les images en niveaux de gris
   • Ils ajoutent du bruit aléatoire à l'invite
3. Laquelle de ces entrées est une entrée de conditionnement ControlNet valide ?
   • Une feuille de calcul de chiffres
   • Une forme d'onde audio
   • Un squelette ou une carte de profondeur OpenPose
   • Un schéma de base de données
4. Quel est le rapport entre ControlNet et le modèle de diffusion de base comme Stable Diffusion ?
   • Il remplace entièrement le modèle de base
   • Cela fonctionne uniquement sans aucun modèle de base
   • Il fonctionne sur un ordinateur séparé via Internet
   • Il se fixe comme une branche pouvant être entraînée tandis que le modèle de base reste gelé
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