Adaptateur IP pour le quiz sur les invites d'images

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

1. Quel problème principal l’adaptateur IP résout-il ?
   • Les modèles de diffusion sont trop lents pour fonctionner sur des GPU grand public
   • Les images ne peuvent pas être codées par les réseaux de neurones
   • Les invites textuelles ont du mal à décrire des détails visuels spécifiques comme un visage ou un style
   • Les invites textuelles sont trop courtes pour tenir en mémoire
2. How does the original IP-Adapter add image conditioning to text-to-image diffusion?
   • It retrains every parameter of the base model
   • It concatenates raw image pixels into the text tokenizer
   • It removes text conditioning whenever an image is supplied
   • It adds a separate image cross-attention path alongside text attention
3. Which checkpoint family did the original IP-Adapter paper demonstrate reusing a trained adapter with?
   • Any diffusion architecture regardless of its base model
   • Compatible custom checkpoints fine-tuned from the same base diffusion model
   • Only checkpoints with all adapter parameters retrained from scratch
   • Only a text encoder without a diffusion network
4. Environ combien de paramètres pouvant être entraînés l'adaptateur IP d'origine ajoute-t-il ?
   • Environ 22 millions
   • Environ 7 milliards
   • Environ 500
   • Environ 100 milliards
5. Avec quel outil IP-Adapter est-il généralement associé pour le contrôle de la disposition ?
   • Un correcteur orthographique
   • Une feuille de calcul
   • Un résumé de texte
   • ContrôleNet
6. Qu'est-ce qui code l'image de référence avant que ses caractéristiques n'entrent dans le modèle ?
   • Un générateur de nombres aléatoires
   • Le tokeniseur de texte
   • Un encodeur d'image CLIP figé
   • Une recherche dans la base de données
7. After the CLIP image encoder, what job does IP-Adapter's trainable projection perform?
   • It changes the diffusion model's tokenizer vocabulary
   • It maps the reference embedding into features compatible with the attention layers
   • It converts the generated image into a segmentation label
   • It trains CLIP from scratch for each reference photo
8. In IP-Adapter's decoupled attention design, how are text and image attention contributions used together?
   • Their attention outputs are combined to condition generation
   • Text attention is permanently discarded after training
   • Image features are used only to rename the output file
   • Each contribution must generate a separate finished image