पाठ्य उलटा प्रश्नोत्तरी

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

1. मूल पाठ्य-उलट पेपर ने किस प्रकार की अवधारणाओं को वैयक्तिकृत किया?
   • उपयोगकर्ता द्वारा प्रदत्त वस्तुएं या दृश्य शैलियाँ
   • केवल डेटाबेस स्कीमा
   • केवल भाषण प्रतिलेख
   • केवल कैमरा अंशांकन पैरामीटर
2. टेक्स्टुअल इनवर्जन के लिए आमतौर पर कितनी उदाहरण छवियों की आवश्यकता होती है?
   • केवल एक छवि
   • लगभग 3 से 5 छवियाँ
   • हजारों छवियाँ
   • बिल्कुल कोई छवि नहीं
3. टेक्स्टुअल इनवर्ज़न फ़ाइलें इतनी छोटी (अक्सर कुछ किलोबाइट) क्यों होती हैं?
   • वे पूरे मॉडल को संपीड़ित करते हैं
   • वे सिर्फ पाठ संकेत हैं
   • वे केवल एक सीखे हुए वेक्टर को संग्रहीत करते हैं
   • वे एक ऑनलाइन डेटाबेस का संदर्भ देते हैं
4. पाठ्य व्युत्क्रमण प्रशिक्षण के दौरान क्या अपरिवर्तित रहता है?
   • उदाहरण छवियाँ
   • नया छद्म शब्द
   • टेक्स्ट प्रॉम्प्ट प्रारूप
   • मॉडल के सभी मौजूदा वजन
5. पाठ्य व्युत्क्रमण के बाद आप सीखी हुई अवधारणा का उपयोग कैसे करते हैं?
   • प्रॉम्प्ट में इसका नया छद्म शब्द टाइप करें
   • हर बार मॉडल को पुनः प्रशिक्षित करें
   • फ़ोटो दोबारा अपलोड करें
   • मॉडल का स्रोत कोड संपादित करें
6. नई एम्बेडिंग को अनुकूलित करने के लिए किस हानि का उपयोग किया जाता है?
   • वर्गीकरण सटीकता की हानि
   • उदाहरण छवियों पर हानि को दर्शाने वाला प्रसार
   • वाक्-पहचान की हानि
   • कोई हानि नहीं; यह मैन्युअल ट्यूनिंग है
7. पाठ्य व्युत्क्रम पीढ़ी के समय सीखे गए टोकन का उपयोग कैसे करता है?
   • यह इमेज डिकोडर को प्रतिस्थापित करता है
   • यह सैम्पलिंग के बिना उत्पन्न छवि को सीधे संपादित करता है
   • यह टोकन को टेक्स्ट प्रॉम्प्ट में सम्मिलित करता है ताकि जमे हुए टेक्स्ट-टू-इमेज मॉडल उस पर कंडीशन कर सके
   • यह प्रत्येक उपयोगकर्ता के लिए मॉडल की टोकननाइज़र शब्दावली को बदल देता है
8. केवल कुछ उदाहरण छवियों से सीखी गई अवधारणा की मुख्य सीमा क्या है?
   • यह हमेशा मॉडल के छवि रिज़ॉल्यूशन को बढ़ाता है
   • यह स्वचालित रूप से प्रत्येक दृश्य और प्रकाश स्थिति को सीखता है
   • यह सभी मौजूदा मॉडल अवधारणाओं को समान रूप से बदलता है
   • यह उन उदाहरणों की आकस्मिक विशेषताओं को पकड़ सकता है और अपूर्ण रूप से सामान्यीकरण कर सकता है