प्रॉम्प्ट-टू-प्रॉम्प्ट क्रॉस-अटेंशन एडिटिंग क्विज़

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

1. किसी दृश्य को संरक्षित करने के लिए प्रॉम्प्ट-टू-प्रॉम्प्ट किस आंतरिक जानकारी का पुन: उपयोग करता है?
   • क्रॉस-अटेंशन मानचित्र शब्दों को छवि क्षेत्रों से जोड़ता है
   • अंतिम आउटपुट पिक्सेल
   • मॉडल की अनुकूलक स्थिति
   • छवि का संपीड़न मेटाडेटा
2. क्या प्रॉम्प्ट-टू-प्रॉम्प्ट को मॉडल को ठीक करने की आवश्यकता है?
   • हाँ, प्रति संपादन एक पूर्ण पुनर्प्रशिक्षण
   • नहीं, यह एक प्रशिक्षण-मुक्त तकनीक है
   • हां, लेकिन केवल टेक्स्ट एनकोडर
   • केवल नए शब्द जोड़ने के लिए
3. दृश्य को ध्यान में रखते हुए 'साइकिल' को 'मोटरसाइकिल' से बदलने के लिए, विधि:
   • साइकिल क्षेत्र को हाथ से मास्क करता है
   • मोटरसाइकिलों के लिए एक नया LoRA प्रशिक्षित करता है
   • दो संकेतों के बीच संबंधित टोकन के बीच ध्यान आकर्षित करता है
   • एक पूरी तरह से स्वतंत्र छवि उत्पन्न करता है
4. किसी टोकन का ध्यान फिर से बढ़ाने से क्या हासिल होता है?
   • यह छवि रिज़ॉल्यूशन को बदल देता है
   • यह टोकन को पूरी तरह से हटा देता है
   • यह प्रॉम्प्ट में शब्दों को पुन: व्यवस्थित करता है
   • यह उस शब्द के दृश्य प्रभाव को मजबूत या कमजोर करता है
5. जब आप प्रॉम्प्ट में कोई शब्द जोड़ते हैं, तो प्रॉम्प्ट-टू-प्रॉम्प्ट:
   • अपरिवर्तित टोकन के लिए ध्यान सुरक्षित रखता है और केवल नए टोकन को नया ध्यान आकर्षित करने देता है
   • संपूर्ण छवि को पुनः यादृच्छिक बनाता है
   • जोड़े गए शब्द पर ध्यान नहीं देता
   • एक अलग बेस मॉडल पर स्विच करता है
6. Which separate model was trained to follow written image-editing instructions from an input image?
   • InstructPix2Pix, a conditional diffusion editor trained on generated instruction-edit pairs
   • Prompt-to-Prompt, which edits by controlling cross-attention maps during denoising
   • Null-text inversion, which optimizes unconditional embeddings for image inversion
   • LocalBlend, which creates a selected-token mask from attention maps
7. What does the Prompt-to-Prompt LocalBlend feature use to localize a change?
   • A hand-drawn mask required for every Prompt-to-Prompt edit
   • The EXIF metadata of the original image
   • Attention maps for selected prompt words to construct a spatial mask
   • A classifier that identifies image copyright
8. What extra step can enable Prompt-to-Prompt editing of a real photograph?
   • Train a new diffusion model from scratch
   • Convert the photograph into an audio spectrogram
   • Replace every cross-attention layer with a classifier
   • Invert the image into the diffusion model’s latent trajectory first