Quiz połączony z przewodnikiem · Łatwe Poziom
Quiz dotyczący nasion i powtarzalności w generowaniu obrazu AI
Testuje, w jaki sposób ziarno ustawia szum początkowy, jakie ustawienia muszą być zgodne, aby odtworzyć obraz i dlaczego zmiany sprzętu lub modelu zakłócają dokładną reprodukcję.
Pytanie 1 z 8
Co nasiono bezpośrednio kontroluje w generatorze obrazu dyfuzyjnego?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co nasiono bezpośrednio kontroluje w generatorze obrazu dyfuzyjnego?
- Dane szkoleniowe modelu
- Treść podpowiedzi
- Rozdzielczość wyjściowa
- Pseudolosowy hałas początkowy
- Dlaczego zachowanie materiału siewnego, ale zmiana rozdzielczości powoduje powstanie niepowiązanego obrazu?
- Nasiona tracą ważność po jednym użyciu
- Tensor szumu zmienia kształt, więc te same liczby tworzą inny wzór
- Zmiana rozdzielczości powoduje przepisanie monitu
- Próbnik resetuje się do ustawień domyślnych
- Na który aspekt obrazu silnie wpływa ziarno, ponieważ jest ono ustalane na wczesnych etapach?
- Ogólna kompozycja, na przykład miejsce, w którym stoi postać
- Format pliku
- Koder tekstu
- Licencja na wizerunek
- Dlaczego ten sam materiał siewny może powodować różne szumy na procesorze i karcie graficznej?
- Procesory graficzne ignorują nasiona
- Procesor w tajemnicy dodaje znak wodny
- Generatory losowe CPU i GPU tworzą różne sekwencje z tego samego materiału siewnego
- W przypadku procesorów graficznych liczby początkowe są zaokrąglane do tysięcy
- Które ziarno, które wiele narzędzi przypisuje do czwartego obrazu w serii czterech obrazów, zaczynając od 500 nasion?
- 500
- 2000
- 504
- 503
- Co przewodnik mówi o „dobrych nasionach”?
- Niektóre nasiona zawsze dają lepsze obrazy
- Materiał siewny, który działa dla jednego podpowiedzi i modelu, nie ma żadnej specjalnej jakości gdzie indziej
- Seed 42 to najlepszy punkt wyjścia dla każdego modelu
- Dobre nasiona są przenoszone między Midjourney i Stable Diffusion
- Dlaczego funkcje zmienności wykorzystują interpolację sferyczną (slerp) zamiast prostego uśredniania?
- Slerp jest szybszy do obliczeń
- Slerp automatycznie zmienia liczbę nasion
- Liniowa średnia szumu Gaussa zmniejsza jego wariancję i daje rozmyte obrazy
- Slerp dodaje tekst do obrazu
- Czym samplery przodków różnią się od DDIM pod względem sposobu wykorzystania losowości?
- Czerpią świeży hałas na każdym kroku, nie tylko na początku
- W ogóle nie stosują przypadkowości
- Całkowicie ignorują nasiona
- Używają materiału siewnego do wyboru podpowiedzi