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.
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.
- 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
- 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
- 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
- All'incirca di quante immagini dei soggetti ha bisogno DreamBooth?
- Migliaia
- Esattamente uno
- Cento
- Dalle 3 alle 5 circa
- 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
- Quale combinazione è oggi ampiamente utilizzata per rendere più leggero DreamBooth?
- DreamBooth con OCR
- DreamBooth con LoRA
- DreamBooth con GPS
- DreamBooth con modelli audio
- 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
- 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