Quiz collegato alla guida · Medio Livello

Quiz DreamBoot

Esplora la messa a punto della diffusione specifica per soggetto di DreamBooth, il suo obiettivo di conservazione preventiva e i compromessi di valutazione tra i suggerimenti.

Percorsi guida correlatiDreamboot
Domanda 1 di 8

Cosa modifica DreamBooth rispetto all'inversione testuale?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa modifica DreamBooth rispetto all'inversione testuale?
    • Pesi effettivi del modello
    • Solo il testo rapido
    • Il formato del file immagine
    • I driver GPU dell'utente
  2. Qual è lo scopo della perdita di conservazione preventiva di DreamBooth?
    • Per accelerare il rendering delle immagini
    • Per prevenire l’overfitting e mantenere il concetto di classe più ampio
    • Per ridurre le dimensioni del file
    • Per rimuovere gli sfondi
  3. Come viene generalmente fatto riferimento a un argomento nelle istruzioni di formazione di DreamBooth?
    • Con il suo vero nome completo
    • Solo tramite un ID numerico
    • Con un segno raro più una parola di classe, come "sks dog"
    • Da un'emoji
  4. All'incirca di quante immagini dei soggetti ha bisogno DreamBooth?
    • Migliaia
    • Esattamente uno
    • Cento
    • Dalle 3 alle 5 circa
  5. Qual è un compromesso comune nell'utilizzo di DreamBooth?
    • Spazio di archiviazione più grande e più elaborazione rispetto ai metodi leggeri
    • Qualità dell'immagine inferiore rispetto agli incorporamenti
    • Funziona solo sul testo, non sulle immagini
    • Non ha bisogno di alcuna formazione
  6. Quale combinazione è oggi ampiamente utilizzata per rendere più leggero DreamBooth?
    • DreamBooth con OCR
    • DreamBooth con LoRA
    • DreamBooth con GPS
    • DreamBooth con modelli audio
  7. What subject variations did the DreamBooth paper demonstrate in generated images?
    • Only the exact camera angle from the training photos
    • Only the original background pixels
    • The subject could appear in novel scenes, poses, views and lighting
    • Different subjects with no relation to the reference
  8. What kind of model parameters does LoRA adapt?
    • Only the image file metadata
    • A new pixel palette for every output
    • The dataset labels without changing model computation
    • Low-rank update matrices added to selected weight transformations