Kuis terkait panduan · Sedang Tingkat

SDXL dan Kuis Difusi Berjenjang

Periksa difusi laten SDXL, encoder cepat, pengondisian ukuran dan pemotongan, serta tahapan resolusi super tangguh yang digunakan dalam kaskade.

Jalur panduan terkaitSdxl dan Difusi Bertingkat
Pertanyaan 1 dari 8

Pada resolusi asli berapa SDXL menghasilkan gambar, dibandingkan dengan Difusi Stabil asli?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Pada resolusi asli berapa SDXL menghasilkan gambar, dibandingkan dengan Difusi Stabil asli?
    • 1024x1024 vs 512x512
    • 256x256 vs 128x128
    • 2048x2048 vs 1024x1024
    • 768x768 vs 256x256
  2. Apa peran model pengilangan SDXL?
    • Ini mengkodekan prompt teks
    • Ini menambahkan detail halus selama langkah akhir penghilangan kebisingan rendah
    • Ini memampatkan gambar ke dalam ruang laten
    • Ini menghasilkan kebisingan acak awal
  3. Berapa banyak pembuat enkode teks yang digunakan SDXL?
    • Satu
    • Tiga
    • Dua
    • Nol
  4. Apa gagasan inti dari difusi berjenjang?
    • Melatih satu model raksasa pada semua resolusi sekaligus
    • Menghapus encoder teks untuk mempercepat pembuatan
    • Mengganti difusi dengan GAN di setiap tahap
    • Merangkai model dasar dengan model difusi resolusi super yang semakin ditingkatkan skalanya
  5. Mengapa SDXL melakukan denoise di ruang laten, bukan langsung di piksel?
    • Hal ini membuat denoising secara komputasi menjadi lebih murah
    • Gambar ruang laten terlihat lebih berwarna
    • Piksel tidak dapat disangkal
    • Ini menghindari perlunya prompt teks
  6. Teknik manakah yang mengurangi SDXL menjadi satu hingga empat langkah generasi?
    • Pengkondisian tanaman
    • Metode distilasi seperti SDXL Turbo dan Latent Consistency Models
    • Menambahkan lebih banyak pembuat enkode teks
    • Meningkatkan ukuran VAE
  7. What do SDXL's size and crop conditioning inputs tell the model?
    • Which training dataset owns the prompt
    • The number of denoising steps to run
    • The target image size and framing or crop
    • The image's final file format and compression level
  8. What problem does noise-conditioning augmentation address in a cascaded diffusion pipeline?
    • Ini menghilangkan kebutuhan akan prompt teks
    • It guarantees that every stage produces the same resolution
    • It converts the latent image into an audio signal
    • It helps later super-resolution stages handle errors or uncertainty in the previous stage's low-resolution image