InstructPix2Pix 命令編集クイズ

クイズに答えると、答えと解説が表示されます。

1. InstructPix2Pix に何を変更するかをどのように指示しますか?
   • 平易な言語の編集命令を記述することによって
   • 領域上に正確なマスクを描画することによって
   • 2 番目の参照画像をアップロードすることで
   • ピクセルごとにスライダーを調整することで
2. InstructPix2Pix のトレーニング データはどのように作成されましたか?
   • 数百万枚の写真を編集するために人間を雇うことによって
   • キャプションペアに GPT-3 を使用し、画像ペアを作成するためにプロンプトツープロンプトを使用する
   • ソーシャルメディアから前後の写真をスクレイピングすることにより
   • 各トレーニング画像を手動でマスクすることにより
3. InstructPix2Pix の 2 つのガイダンス スケールは何を制御しますか?
   • 解像度と色深度
   • トレーニング速度と推論速度
   • 指示への遵守と元のイメージへの忠実性
   • オブジェクトの数と色の数
4. なぜモデルは画像の言及されていない部分を放置する傾向があるのでしょうか?
   • 画像中心のみの編集なので
   • 入力画像を完全に無視するため
   • 常に内部でマスクを使用するため
   • 指示はまったく新しいシーンではなく、変化を説明するものであるため
5. Does InstructPix2Pix require separate per-image fine-tuning or inversion before applying an edit?
   • No; the trained model can apply an instruction without per-example fine-tuning or inversion
   • Yes; every image must be used to train a new diffusion model
   • Yes; an artist must invert each pixel by hand
   • No; it edits images without running any diffusion steps
6. 編集が強引すぎて元の主題が失われてしまった場合、何が役立つでしょうか?
   • 解像度を下げる
   • 画像忠実度のガイダンススケールを上げる
   • 指示テキストの削除
   • グレースケールに切り替える
7. What is one limitation to check after an InstructPix2Pix edit?
   • The model always preserves every unmentioned pixel exactly
   • The output is guaranteed to match historical truth
   • The model may change details beyond the intended edit
   • Every instruction must be converted into a hand-drawn mask
8. What generative model provided the image prior used in InstructPix2Pix’s synthetic training-data pipeline?
   • アルファフォールド
   • ささやき
   • バート
   • Stable Diffusion