ガイド連動クイズ · 中 レベル

SDXL とカスケード拡散に関するクイズ

SDXL の潜在的な拡散、プロンプト エンコーダー、サイズと作物のコンディショニング、およびカスケードで使用される堅牢な超解像度ステージを確認してください。

関連するガイドパスSDXL とカスケード拡散
質問 1 の 8

元の Stable Diffusion と比較して、SDXL はどのようなネイティブ解像度で画像を生成しますか?

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. 元の Stable Diffusion と比較して、SDXL はどのようなネイティブ解像度で画像を生成しますか?
    • 1024x1024 対 512x512
    • 256x256 vs 128x128
    • 2048x2048 対 1024x1024
    • 768x768 対 256x256
  2. SDXL のリファイナー モデルの役割は何ですか?
    • テキストプロンプトをエンコードします
    • 最後の低ノイズノイズ除去ステップで細かいディテールを追加します。
    • 画像を潜在空間に圧縮します
    • 初期ランダムノイズを生成します
  3. SDXL はテキスト エンコーダをいくつ使用しますか?
    • 1 つ
    • 3
    • 2
    • ゼロ
  4. カスケード拡散の中心的な考え方は何ですか?
    • 単一の巨大なモデルをすべての解像度で一度にトレーニングする
    • テキストエンコーダを削除して生成を高速化する
    • あらゆる段階で拡散を GAN に置き換える
    • ベースモデルを、段階的にアップスケールする超解像度拡散モデルと連鎖させる
  5. SDXL がピクセル上で直接ノイズを除去するのではなく、潜在空間でノイズを除去するのはなぜですか?
    • ノイズ除去の計算コストが安くなります
    • 潜在空間の画像がよりカラフルに見える
    • ピクセルのノイズを除去することはできません
    • テキストプロンプトが不要になります
  6. SDXL を 1 ～ 4 世代ステップまで削減する技術はどれですか?
    • 作物調整
    • SDXL Turbo や潜在一貫性モデルなどの蒸留方法
    • テキストエンコーダをさらに追加する
    • VAE サイズの拡大
  7. What do SDXL's size and crop conditioning inputs tell the model?
    • Which training dataset owns the prompt
    • The number of denoising steps to run
    • The target image size and framing or crop
    • The image's final file format and compression level
  8. What problem does noise-conditioning augmentation address in a cascaded diffusion pipeline?
    • テキストプロンプトが不要になります
    • It guarantees that every stage produces the same resolution
    • It converts the latent image into an audio signal
    • It helps later super-resolution stages handle errors or uncertainty in the previous stage's low-resolution image