Quiz lié à un guide · Moyen Niveau

Quiz DreamBooth

Explorez le réglage précis de la diffusion spécifique à un sujet de DreamBooth, son objectif de préservation préalable et les compromis d'évaluation entre les invites.

Chemins de guidage associésCabine de rêve
Question 1 de 8

Qu'est-ce que DreamBooth modifie que l'inversion textuelle ne modifie pas ?

Prévisualisez chaque question8 des questions

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

  1. Qu'est-ce que DreamBooth modifie que l'inversion textuelle ne modifie pas ?
    • Les poids réels du modèle
    • Uniquement le texte d'invite
    • Le format du fichier image
    • Les pilotes GPU de l'utilisateur
  2. Quel est le but de la perte de conservation préalable de DreamBooth ?
    • Pour accélérer le rendu des images
    • Pour éviter le surapprentissage et conserver le concept de classe plus large
    • Pour réduire la taille du fichier
    • Pour supprimer les arrière-plans
  3. Comment un sujet est-il généralement référencé dans les invites de formation DreamBooth ?
    • Par son vrai nom complet
    • Par un identifiant numérique uniquement
    • Par un signe rare plus un mot de classe, comme "sks dog"
    • Par un emoji
  4. De combien d’images de sujet environ DreamBooth a-t-il besoin ?
    • Des milliers
    • Exactement un
    • Cent
    • Vers 3 à 5
  5. Quel est le compromis courant lié à l’utilisation de DreamBooth ?
    • Stockage plus important et plus de calcul que les méthodes légères
    • Qualité d'image inférieure à celle des intégrations
    • Cela ne fonctionne que sur le texte, pas sur les images
    • Il ne nécessite aucune formation
  6. Quelle combinaison est désormais largement utilisée pour rendre DreamBooth plus léger ?
    • DreamBooth avec OCR
    • DreamBooth avec LoRA
    • DreamBooth avec GPS
    • DreamBooth avec des modèles 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