इमेज प्रॉम्प्ट क्विज़ के लिए आईपी-एडाप्टर

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. आईपी-एडेप्टर किस मुख्य समस्या का समाधान करता है?
   • उपभोक्ता जीपीयू पर चलने के लिए डिफ्यूजन मॉडल बहुत धीमे हैं
   • छवियाँ तंत्रिका नेटवर्क द्वारा एन्कोड नहीं की जा सकतीं
   • टेक्स्ट चेहरे या शैली जैसे विशिष्ट दृश्य विवरणों का वर्णन करने के लिए संघर्ष को प्रेरित करता है
   • पाठ संकेत स्मृति में फ़िट होने के लिए बहुत छोटे हैं
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. मूल आईपी-एडेप्टर मोटे तौर पर कितने प्रशिक्षण योग्य पैरामीटर जोड़ता है?
   • लगभग 22 मिलियन
   • लगभग 7 अरब
   • लगभग 500
   • लगभग 100 बिलियन
5. लेआउट नियंत्रण के लिए आईपी-एडेप्टर को आमतौर पर किस टूल के साथ जोड़ा जाता है?
   • एक वर्तनी-जांचकर्ता
   • एक स्प्रेडशीट
   • एक पाठ सारांश
   • कंट्रोलनेट
6. मॉडल में इसकी विशेषताएं दर्ज होने से पहले संदर्भ छवि को कौन एन्कोड करता है?
   • एक यादृच्छिक संख्या जनरेटर
   • पाठ टोकननाइज़र
   • एक जमे हुए CLIP छवि एनकोडर
   • एक डेटाबेस लुकअप
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