ガイド連動クイズ · 中 レベル

カスタムディフュージョンマルチコンセプトチューニングクイズ

Custom Diffusion のクロスアテンション調整、少数ショットのパーソナライゼーション、正則化、および複数のコンセプトを構成するためのサポートされている方法を確認します。

関連するガイドパスカスタムディフュージョンマルチコンセプトチューニング
質問 1 の 8

Custom Diffusion は主に拡散モデルのどの部分を微調整しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Custom Diffusion は主に拡散モデルのどの部分を微調整しますか?
    • クロスアテンション層におけるキーとバリューの投影
    • U-Net のすべての重み
    • VAE デコーダのみ
    • テキストトークナイザー
  2. 単一概念の手法と比較して、カスタム拡散の最も注目すべき点は何ですか?
    • 画像の代わりにビデオを生成する
    • 新しく学んだ複数の概念を 1 つのシーンに合成する
    • 画像は一切必要ありません
    • CPU のみで実行
  3. What minimum number of training images did the Custom Diffusion paper report using in some experiments?
    • As few as four images
    • At least 500 images
    • Exactly one image in every experiment
    • The paper specifies no concept images
  4. Custom Diffusion では、コンセプトのより広いカテゴリからの正則化イメージのセットを使用するのはなぜですか?
    • VAE を高速化するには
    • 画像の解像度を上げるには
    • 透かしを削除するには
    • 概念単語の過学習や言語の漂流を防ぐため
  5. 別々にトレーニングされた 2 つのカスタム拡散コンセプトをどのように組み合わせて使用できるでしょうか?
    • 調整された重みに対する制約付きの最適化を介してそれらをマージすることにより、
    • それらを組み合わせることは決してできません
    • 入力画像を平均化することで
    • 完全なモデルを最初から再トレーニングすることによって
  6. What proportion of model weights did the Custom Diffusion paper report storing for its tuned subset?
    • About 3% of the model weights
    • All model weights plus a new model copy
    • No trained parameters at all
    • A fixed 50% of the model weights
  7. Besides merging separately tuned models, how does Custom Diffusion support learning multiple concepts?
    • It requires a separate foundation model for every prompt
    • It replaces all cross-attention with a fixed lookup table
    • It can train for multiple concepts jointly
    • It can only learn one concept per model
  8. In a cross-attention layer, what do the tuned text-side key and value projections help associate?
    • Image pixels with internet search results
    • The diffusion timestep with the model's source code
    • Audio frequencies with a document's page number
    • Prompt concepts with features in the image latent representation