शून्य-पाठ उलटा प्रश्नोत्तरी

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

1. नल-पाठ व्युत्क्रम वास्तव में क्या अनुकूलित करता है?
   • क्लासिफायर-मुक्त मार्गदर्शन में उपयोग किया जाने वाला खाली (शून्य) टेक्स्ट एम्बेडिंग
   • संपूर्ण प्रसार का भार यू-नेट
   • सीधे इनपुट छवि के पिक्सेल
   • CLIP छवि एनकोडर
2. संपादन के लिए उपयोग किए जाने पर सादा डीडीआईएम उलटा अविश्वसनीय क्यों हो जाता है?
   • यह केवल सिंथेटिक छवियों पर काम करता है
   • क्लासिफायर-मुक्त मार्गदर्शन इसके पुनर्निर्माण बहाव को बढ़ाता है
   • इसके लिए मॉडल को पुनः प्रशिक्षित करने की आवश्यकता है
   • यह अव्यक्त स्थान में नहीं चल सकता
3. किसी वास्तविक छवि को संपादित करने से पहले उसे उलटने का मुख्य लक्ष्य क्या है?
   • भंडारण के लिए छवि को संपीड़ित करने के लिए
   • छवि का मेटाडेटा हटाने के लिए
   • एक शोर/अव्यक्त प्रारंभिक बिंदु ढूंढना जो उस सटीक छवि को पुन: उत्पन्न करता है
   • इसे ग्रेस्केल में बदलने के लिए
4. मोटे तौर पर नल-पाठ उलटा प्रसार प्रक्रिया में अनुकूलन को कैसे संभालता है?
   • यह संपूर्ण छवि के लिए एकल साझा एम्बेडिंग को अनुकूलित करता है
   • यह अनुकूलन को पूरी तरह से छोड़ देता है
   • यह केवल अंतिम टाइमस्टेप को अनुकूलित करता है
   • यह प्रत्येक डीनोइज़िंग टाइमस्टेप के लिए एक अलग नल एम्बेडिंग को अनुकूलित करता है
5. मूल नल-पाठ व्युत्क्रम का एक प्रमुख नकारात्मक पहलू यह है:
   • प्रति-छवि अनुकूलन, इसे अपेक्षाकृत धीमा बनाता है
   • पाठ संकेतों का उपयोग करने में असमर्थ
   • केवल 8x8 थंबनेल पर प्रयोग योग्य
   • स्थिर प्रसार के साथ असंगत
6. छवि लेआउट के कुछ हिस्सों को बनाए रखते हुए संपादन को नियंत्रित करने के लिए प्रॉम्प्ट-टू-प्रॉम्प्ट क्या उपयोग करता है?
   • A trainable 3D Gaussian representation
   • Cross-attention maps associated with prompt tokens
   • A classifier that labels every pixel as a new object
   • A new text encoder trained for each edited image
7. What role does pivotal inversion play in null-text inversion?
   • It replaces the diffusion model with a newly trained classifier
   • It deletes the input image before reconstruction
   • It provides a per-timestep noise trajectory that anchors later optimization
   • It selects a new text prompt without using the image
8. During null-text optimization, which components does the method keep fixed?
   • Only the input image dimensions
   • The model weights and every unconditional embedding at initialization
   • The image caption and all diffusion timesteps
   • The pretrained model weights and the conditional text embedding