프롬프트 간 교차 어텐션 편집 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Prompt-to-Prompt는 장면을 보존하기 위해 어떤 내부 정보를 재사용합니까?
   • 단어를 이미지 영역에 연결하는 교차 주의 맵
   • 최종 출력 픽셀
   • 모델의 최적화 상태
   • 이미지의 압축 메타데이터
2. Prompt-to-Prompt를 사용하려면 모델을 미세 조정해야 합니까?
   • 예, 편집당 전체 재교육
   • 아니요, 훈련이 필요 없는 기술입니다.
   • 예, 하지만 텍스트 인코더만 해당됩니다.
   • 새로운 단어를 추가하는 경우에만
3. 장면을 유지하면서 '자전거'를 '오토바이'로 바꾸려면 다음 방법을 사용하세요.
   • 자전거 부위를 손으로 마스킹합니다.
   • 오토바이용 새로운 LoRA 훈련
   • 두 프롬프트에서 해당 토큰 사이에 주의를 매핑합니다.
   • 완전히 독립적인 이미지를 생성합니다.
4. 토큰의 관심을 재가중화하면 무엇을 얻을 수 있나요?
   • 이미지 해상도가 변경됩니다.
   • 토큰을 완전히 삭제합니다.
   • 프롬프트의 단어를 재정렬합니다.
   • 해당 단어의 시각적 영향력을 강화하거나 약화시킵니다.
5. 프롬프트에 단어를 추가하면 Prompt-to-Prompt:
   • 변경되지 않은 토큰에 대한 관심을 유지하고 새 토큰만 새로운 관심을 형성하도록 합니다.
   • 전체 이미지를 다시 무작위화합니다.
   • 추가된 단어를 무시합니다.
   • 다른 기본 모델로 전환
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