ヌルテキスト反転クイズ

クイズに答えると、答えと解説が表示されます。

1. NULL テキスト反転は実際に何を最適化しますか?
   • 分類子を使用しないガイダンスで使用される空 (null) テキスト埋め込み
   • 拡散 U-Net 全体の重み
   • 入力画像のピクセルを直接
   • CLIP画像エンコーダー
2. 単純な DDIM 反転を編集に使用すると信頼性が低くなるのはなぜですか?
   • 合成画像でのみ機能します
   • 分類子を使用しないガイダンスにより再構築ドリフトが増幅される
   • モデルの再トレーニングが必要です
   • 潜在空間では実行できません
3. 実際の画像を編集する前に反転する主な目的は何ですか?
   • 画像を圧縮して保存するには
   • 画像のメタデータを削除するには
   • 正確な画像を再生成するノイズ/潜在的な開始点を見つけるには
   • グレースケールに変換するには
4. NULL テキスト反転は、拡散プロセス全体にわたる最適化をどのように処理するのでしょうか?
   • 画像全体に対して単一の共有埋め込みを最適化します。
   • 最適化を完全にスキップします
   • 最終タイムステップのみを最適化します
   • ノイズ除去タイムステップごとに個別の null 埋め込みを最適化します。
5. 元の NULL テキスト反転の主な欠点は、次のとおりです。
   • 画像ごとの最適化により、比較的遅くなります
   • テキストプロンプトが使用できない
   • 8x8 サムネイルでのみ使用可能
   • 安定拡散と両立しない
6. What does Prompt-to-Prompt use to control edits while retaining parts of an image layout?
   • A trainable 3D Gaussian representation
   • Cross-attention maps associated with prompt tokens
   • A classifier that labels every pixel as a new object
   • A new text encoder trained for each edited image
7. What role does pivotal inversion play in null-text inversion?
   • It replaces the diffusion model with a newly trained classifier
   • It deletes the input image before reconstruction
   • It provides a per-timestep noise trajectory that anchors later optimization
   • It selects a new text prompt without using the image
8. During null-text optimization, which components does the method keep fixed?
   • Only the input image dimensions
   • The model weights and every unconditional embedding at initialization
   • The image caption and all diffusion timesteps
   • The pretrained model weights and the conditional text embedding