가이드 연계 퀴즈 · 중간 레벨

이미지 프롬프트용 IP 어댑터 퀴즈

고정 인코더, 분리된 주의, 프로젝션 기능 및 결합된 텍스트-이미지 조절을 포함한 IP 어댑터를 사용하여 이미지 프롬프트를 테스트합니다.

관련 가이드 경로이미지 프롬프트용 IP 어댑터
질문 1 의 8

IP-Adapter는 어떤 핵심 문제를 해결합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. IP-Adapter는 어떤 핵심 문제를 해결합니까?
    • 확산 모델은 소비자 GPU에서 실행하기에는 너무 느립니다.
    • 이미지는 신경망으로 인코딩할 수 없습니다.
    • 텍스트 프롬프트는 얼굴이나 스타일과 같은 특정 시각적 세부 정보를 설명하는 데 어려움을 겪습니다.
    • 텍스트 프롬프트가 너무 짧아 메모리에 맞지 않습니다.
  2. How does the original IP-Adapter add image conditioning to text-to-image diffusion?
    • It retrains every parameter of the base model
    • It concatenates raw image pixels into the text tokenizer
    • It removes text conditioning whenever an image is supplied
    • It adds a separate image cross-attention path alongside text attention
  3. Which checkpoint family did the original IP-Adapter paper demonstrate reusing a trained adapter with?
    • Any diffusion architecture regardless of its base model
    • Compatible custom checkpoints fine-tuned from the same base diffusion model
    • Only checkpoints with all adapter parameters retrained from scratch
    • Only a text encoder without a diffusion network
  4. 원래 IP 어댑터는 대략 몇 개의 훈련 가능한 매개변수를 추가합니까?
    • 약 2,200만
    • 약 70억
    • 약 500
    • 약 1000억
  5. 레이아웃 제어를 위해 IP-Adapter와 일반적으로 결합되는 도구는 무엇입니까?
    • 맞춤법 검사기
    • 스프레드시트
    • 텍스트 요약기
    • 컨트롤넷
  6. 해당 기능이 모델에 입력되기 전에 참조 이미지를 인코딩하는 것은 무엇입니까?
    • 난수 생성기
    • 텍스트 토크나이저
    • 정지된 CLIP 이미지 인코더
    • 데이터베이스 조회
  7. After the CLIP image encoder, what job does IP-Adapter's trainable projection perform?
    • It changes the diffusion model's tokenizer vocabulary
    • It maps the reference embedding into features compatible with the attention layers
    • It converts the generated image into a segmentation label
    • It trains CLIP from scratch for each reference photo
  8. In IP-Adapter's decoupled attention design, how are text and image attention contributions used together?
    • Their attention outputs are combined to condition generation
    • Text attention is permanently discarded after training
    • Image features are used only to rename the output file
    • Each contribution must generate a separate finished image