Quiz lié à un guide · Moyen Niveau

Quiz SDXL et diffusion en cascade

Vérifiez la diffusion latente du SDXL, les encodeurs rapides, la taille et le conditionnement des cultures, ainsi que les étapes robustes de super-résolution utilisées dans les cascades.

Chemins de guidage associésSdxl et diffusion en cascade
Question 1 de 8

À quelle résolution native SDXL génère-t-il des images, par rapport à la diffusion stable d'origine ?

Prévisualisez chaque question8 des questions

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

  1. À quelle résolution native SDXL génère-t-il des images, par rapport à la diffusion stable d'origine ?
    • 1024x1024 contre 512x512
    • 256x256 contre 128x128
    • 2048x2048 contre 1024x1024
    • 768x768 contre 256x256
  2. Quel est le rôle du modèle de raffineur de SDXL ?
    • Il code l'invite de texte
    • Il ajoute des détails fins lors des dernières étapes de débruitage à faible bruit
    • Il compresse les images dans un espace latent
    • Il génère le bruit aléatoire initial
  3. Combien d’encodeurs de texte SDXL utilise-t-il ?
    • Un
    • Trois
    • Deux
    • Zéro
  4. Quelle est l’idée centrale de la diffusion en cascade ?
    • Entraîner un seul modèle géant sur toutes les résolutions à la fois
    • Suppression de l'encodeur de texte pour accélérer la génération
    • Remplacer la diffusion par un GAN à chaque étape
    • Enchaîner un modèle de base avec des modèles de diffusion en super-résolution qui évoluent progressivement
  5. Pourquoi SDXL débruit-il dans un espace latent plutôt que directement sur les pixels ?
    • Cela rend le débruitage moins coûteux en termes de calcul
    • Les images de l’espace latent semblent plus colorées
    • Les pixels ne peuvent pas être débruités
    • Cela évite d'avoir besoin d'une invite de texte
  6. Quelle technique réduit SDXL à seulement une à quatre étapes de génération ?
    • Conditionnement des cultures
    • Méthodes de distillation telles que SDXL Turbo et modèles de cohérence latente
    • Ajout de plus d'encodeurs de texte
    • Augmenter la taille de la VAE
  7. What do SDXL's size and crop conditioning inputs tell the model?
    • Which training dataset owns the prompt
    • The number of denoising steps to run
    • The target image size and framing or crop
    • The image's final file format and compression level
  8. What problem does noise-conditioning augmentation address in a cascaded diffusion pipeline?
    • Cela supprime le besoin d'une invite de texte
    • It guarantees that every stage produces the same resolution
    • It converts the latent image into an audio signal
    • It helps later super-resolution stages handle errors or uncertainty in the previous stage's low-resolution image