ガイド連動クイズ · 中 レベル
ドリームブースクイズ
DreamBooth の主題固有の拡散の微調整、事前保存の目的、プロンプト間の評価のトレードオフを調べてください。
質問 1 の 8
DreamBooth で変更されるのに Textual Inversion では変更されないものは何ですか?
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。
- DreamBooth で変更されるのに Textual Inversion では変更されないものは何ですか?
- モデルの実際の体重
- プロンプトテキストのみ
- 画像ファイル形式
- ユーザーの GPU ドライバー
- DreamBooth の事前保存損失の目的は何ですか?
- 画像のレンダリングを高速化するには
- 過剰適合を防止し、より広範なクラス概念を維持するため
- ファイルサイズを縮小するには
- 背景を削除するには
- DreamBooth トレーニング プロンプトでは、主題は通常どのように参照されますか?
- 完全な本名で
- 数値IDのみ
- 珍しいトークンとクラスの単語 (「sks 犬」など)
- 絵文字で
- DreamBooth にはおよそ何枚の被写体画像が必要ですか?
- 何千もの
- まさに 1 つ
- 百
- 3時から5時くらい
- DreamBooth を使用する場合の一般的なトレードオフは何ですか?
- 軽量メソッドよりも大容量のストレージとより多くのコンピューティングを実現
- 埋め込みよりも画質が低い
- 画像ではなくテキストに対してのみ機能します
- トレーニングはまったく必要ありません
- DreamBooth を軽量化するために現在広く使用されている組み合わせはどれですか?
- OCRを備えたDreamBoot
- LoRA とのドリームブース
- GPS付きドリームブース
- オーディオモデルを備えたDreamBoot
- 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