Quiz połączony z przewodnikiem · Ciężko Poziom
Quiz edycyjny od monitu do monitu
Dowiedz się, jak zmiany typu „Od monitu do monitu” generowały obrazy poprzez kontrolę krzyżową, lokalne mieszanie i odwracanie prawdziwych zdjęć.
Pytanie 1 z 8
Jakie informacje wewnętrzne są ponownie wykorzystywane przez funkcję Prompt-to-Prompt w celu zachowania sceny?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Jakie informacje wewnętrzne są ponownie wykorzystywane przez funkcję Prompt-to-Prompt w celu zachowania sceny?
- Mapy wzajemnej uwagi łączące słowa z obszarami obrazu
- Ostateczne piksele wyjściowe
- Stan optymalizatora modelu
- Metadane kompresji obrazu
- Czy funkcja Prompt to Prompt wymaga dostrojenia modelu?
- Tak, pełne przeszkolenie przy każdej edycji
- Nie, jest to technika niewymagająca treningu
- Tak, ale tylko koder tekstu
- Tylko do dodawania nowych słów
- Aby zamienić „rower” na „motocykl” podczas utrzymywania sceny, metoda:
- Ręcznie maskuje obszar roweru
- Szkoli nową LoRA dla motocykli
- Mapuje uwagę pomiędzy odpowiednimi żetonami w dwóch podpowiedziach
- Generuje całkowicie niezależny obraz
- Co daje ponowne ważenie uwagi tokena?
- Zmienia rozdzielczość obrazu
- Całkowicie usuwa token
- Zmienia kolejność słów w podpowiedzi
- Wzmacnia lub osłabia wizualny wpływ tego słowa
- Gdy dodasz słowo do podpowiedzi, funkcja Podpowiedź do podpowiedzi:
- Zachowuje uwagę dla niezmienionych tokenów i pozwala, aby tylko nowy token wzbudził nową uwagę
- Ponownie losuje cały obraz
- Ignoruje dodane słowo
- Przełącza na inny model podstawowy
- 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
- 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
- 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