Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Figyelemfelkeltő szerkesztési kvíz

Explore how Prompt-to-Prompt edits generated images through cross-attention control, localized blending, and inversion for real photos.

kérdés 1 -ból 8

Milyen belső információkat használ fel újra a Prompt-to-Prompt a jelenet megőrzéséhez?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen belső információkat használ fel újra a Prompt-to-Prompt a jelenet megőrzéséhez?
    • A keresztfigyelem térképek összekapcsolják a szavakat a képterületekkel
    • A végső kimeneti pixelek
    • A modell optimalizáló állapota
    • A kép tömörítési metaadatai
  2. A Prompt-to-Prompt funkció megköveteli a modell finomhangolását?
    • Igen, szerkesztésenként teljes átképzés
    • Nem, ez egy edzés nélküli technika
    • Igen, de csak a szövegkódoló
    • Csak új szavak hozzáadásához
  3. Ha egy „kerékpárt” „motorra” szeretne cserélni, miközben a helyszínt megtartja, a módszer:
    • Kézzel maszkolja a kerékpáros régiót
    • Új LoRA-t képez ki motorkerékpárokhoz
    • A két prompton keresztül leképezi a figyelmet a megfelelő tokenek között
    • Teljesen független képet hoz létre
  4. Mit ér el egy token figyelmének újrasúlyozása?
    • Megváltoztatja a képfelbontást
    • Teljesen törli a tokent
    • Átrendezi a szavakat a promptban
    • Erősíti vagy gyengíti a szó vizuális hatását
  5. Ha szót ad a prompthoz, a Prompt-to-Prompt:
    • Megőrzi a figyelmet a változatlan tokenek számára, és csak az új tokennek engedi, hogy új figyelmet kapjon
    • Újra véletlenszerűvé teszi a teljes képet
    • Figyelmen kívül hagyja a hozzáadott szót
    • Másik alapmodellre vált
  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