Quiz dotyczący DreamBooth’a

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Co modyfikuje DreamBooth, czego nie robi inwersja tekstu?
   • Rzeczywista waga modelu
   • Tylko tekst zachęty
   • Format pliku obrazu
   • Sterowniki GPU użytkownika
2. Jaki jest cel utraty DreamBooth przed zabezpieczeniem?
   • Aby przyspieszyć renderowanie obrazu
   • Aby zapobiec nadmiernemu dopasowaniu i zachować szerszą koncepcję klasy
   • Aby zmniejszyć rozmiar pliku
   • Aby usunąć tła
3. W jaki sposób temat jest zwykle określany w podpowiedziach szkoleniowych DreamBooth?
   • Pełnym, prawdziwym imieniem
   • Tylko za pomocą identyfikatora numerycznego
   • Rzadkim symbolem plus słowo klasowe, takie jak „pies sks”
   • Przez emoji
4. Mniej więcej, ile obrazów tematycznych potrzebuje DreamBooth?
   • Tysiące
   • Dokładnie jeden
   • Sto
   • Około 3 do 5
5. Jaki jest typowy kompromis przy korzystaniu z DreamBooth?
   • Większa pamięć i więcej mocy obliczeniowych niż w przypadku lekkich metod
   • Niższa jakość obrazu niż w przypadku osadzania
   • Działa tylko na tekście, a nie na obrazach
   • To w ogóle nie wymaga szkolenia
6. Która kombinacja jest obecnie powszechnie stosowana, aby uczynić DreamBooth lżejszym?
   • DreamBooth z OCR
   • DreamBooth z LoRA
   • DreamBooth z GPS
   • DreamBooth z modelami audio
7. What subject variations did the DreamBooth paper demonstrate in generated images?
   • Only the exact camera angle from the training photos
   • Only the original background pixels
   • The subject could appear in novel scenes, poses, views and lighting
   • Different subjects with no relation to the reference
8. What kind of model parameters does LoRA adapt?
   • Only the image file metadata
   • A new pixel palette for every output
   • The dataset labels without changing model computation
   • Low-rank update matrices added to selected weight transformations