가이드 연계 퀴즈 · 중간 레벨

ControlNet 퀴즈

ControlNet의 구조적 조건, 고정된 백본, 제로 컨볼루션 및 버전별 이미지 생성 동작을 테스트합니다.

관련 가이드 경로컨트롤넷
질문 1 의 8

What does ControlNet add to a pretrained text-to-image diffusion model?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. What does ControlNet add to a pretrained text-to-image diffusion model?
    • A spatial conditioning path that can guide structure using inputs such as edges or pose maps
    • A guarantee that every generated pixel matches the input map exactly
    • A replacement for the text encoder and denoiser
    • A tool that predicts the original training image
  2. ControlNet에서 '제로 컨볼루션' 레이어의 역할은 무엇입니까?
    • 원래 모델 가중치를 삭제합니다.
    • 가중치가 0부터 시작하므로 원래 모델의 동작에서 훈련이 시작됩니다.
    • 이미지를 회색조로 변환합니다.
    • 프롬프트에 임의의 소음을 추가합니다.
  3. 다음 중 유효한 ControlNet 조절 입력은 무엇입니까?
    • 숫자 스프레드시트
    • 오디오 파형
    • OpenPose 뼈대 또는 깊이 맵
    • 데이터베이스 스키마
  4. ControlNet은 Stable Diffusion과 같은 기본 확산 모델과 어떤 관련이 있습니까?
    • 기본 모델을 완전히 대체합니다.
    • 기본 모델 없이만 작동합니다.
    • 인터넷을 통해 별도의 컴퓨터에서 실행됩니다.
    • 기본 모델이 고정된 상태로 유지되는 동안 훈련 가능한 분기로 연결됩니다.
  5. In a ControlNet workflow, what roles can text and spatial conditioning play?
    • Text can describe semantic/style content while a spatial map supplies structural guidance
    • The spatial map proves the text prompt is factually true
    • Text always supplies exact pixel positions and the map supplies the object name
    • The text prompt is ignored whenever a map is present
  6. What training-data scale does the ControlNet paper report as robust for training its controls?
    • Only datasets with exactly 50 examples
    • Both small datasets under 50,000 examples and large datasets over 1 million examples
    • Only datasets larger than 100 million examples
    • No training data is used
  7. What does the ControlNet paper report about combining conditioning controls?
    • It permits only one edge map and requires no prompt in every case
    • It accepts text prompts but no spatial controls
    • It tests single or multiple conditions, with or without a text prompt
    • It requires exactly two depth maps for each image
  8. Which pretrained part does ControlNet reuse as a strong backbone for learning spatial controls?
    • A database of user prompts
    • A language-model tokenizer only
    • A separately trained classifier for every edge map
    • The deep encoding layers of a pretrained diffusion model