プロンプトツープロンプトのクロスアテンション編集クイズ

クイズに答えると、答えと解説が表示されます。

1. プロンプトツープロンプトはシーンを保存するためにどのような内部情報を再利用しますか?
   • 単語と画像領域を結び付けるクロスアテンション マップ
   • 最終的な出力ピクセル
   • モデルのオプティマイザーの状態
   • 画像の圧縮メタデータ
2. プロンプトツープロンプトではモデルを微調整する必要がありますか?
   • はい、編集ごとに完全な再トレーニングが行われます
   • いいえ、トレーニング不要のテクニックです
   • はい、ただしテキスト エンコーダのみ
   • 新しい単語を追加する場合のみ
3. シーンを維持したまま「自転車」を「オートバイ」に交換するには、次の方法があります。
   • 自転車領域を手動でマスクする
   • オートバイ用の新しい LoRA をトレーニングします
   • 2 つのプロンプトにわたる対応するトークン間で注意をマッピングします。
   • 完全に独立したイメージを生成します
4. トークンのアテンションの重み付けを変更すると何が得られるでしょうか?
   • 画像の解像度を変更します
   • トークンを完全に削除します
   • プロンプト内の単語を並べ替えます
   • その単語の視覚的な影響を強めたり弱めたりします
5. プロンプトに単語を追加すると、プロンプト間で次のことが行われます。
   • 変更されていないトークンに対する注目を保持し、新しいトークンのみが新たな注目を形成できるようにします。
   • 画像全体を再ランダム化します
   • 追加された単語を無視します
   • 別のベースモデルに切り替える
6. Which separate model was trained to follow written image-editing instructions from an input image?
   • InstructPix2Pix, a conditional diffusion editor trained on generated instruction-edit pairs
   • Prompt-to-Prompt, which edits by controlling cross-attention maps during denoising
   • Null-text inversion, which optimizes unconditional embeddings for image inversion
   • LocalBlend, which creates a selected-token mask from attention maps
7. What does the Prompt-to-Prompt LocalBlend feature use to localize a change?
   • A hand-drawn mask required for every Prompt-to-Prompt edit
   • The EXIF metadata of the original image
   • Attention maps for selected prompt words to construct a spatial mask
   • A classifier that identifies image copyright
8. What extra step can enable Prompt-to-Prompt editing of a real photograph?
   • Train a new diffusion model from scratch
   • Convert the photograph into an audio spectrogram
   • Replace every cross-attention layer with a classifier
   • Invert the image into the diffusion model’s latent trajectory first