Quiz dotyczący inwersji tekstu

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. What kinds of concepts did the original textual-inversion paper personalize?
   • User-provided objects or visual styles
   • Only database schemas
   • Only speech transcripts
   • Only camera calibration parameters
2. Mniej więcej, ilu przykładowych obrazów zazwyczaj potrzebuje inwersja tekstu?
   • Tylko pojedynczy obraz
   • Około 3 do 5 zdjęć
   • Tysiące obrazów
   • Żadnych obrazów
3. Dlaczego pliki inwersji tekstu są tak małe (często kilka kilobajtów)?
   • Kompresują cały model
   • Są to po prostu podpowiedzi tekstowe
   • Przechowują tylko jeden wyuczony wektor
   • Odwołują się do internetowej bazy danych
4. Co pozostaje niezmienione podczas szkolenia z Inwersji Tekstu?
   • Przykładowe obrazy
   • Nowe pseudo-słowo
   • Format podpowiedzi tekstowej
   • Wszystkie istniejące ciężary modelu
5. Jak wykorzystać wyuczoną koncepcję po inwersji tekstu?
   • Wpisz nowe pseudosłowo w wierszu poleceń
   • Za każdym razem ponownie ucz model
   • Prześlij zdjęcia ponownie
   • Edytuj kod źródłowy modelu
6. Która strata jest wykorzystywana do optymalizacji nowego osadzania?
   • Utrata dokładności klasyfikacji
   • Utrata odszumiania dyfuzyjnego na przykładowych obrazach
   • Utrata rozpoznawania mowy
   • Bez strat; to ręczne strojenie
7. How does textual inversion use the learned token at generation time?
   • It replaces the image decoder
   • It directly edits a generated image without sampling
   • It inserts the token into a text prompt so the frozen text-to-image model can condition on it
   • It changes the model’s tokenizer vocabulary for every user
8. What is a key limitation of a concept learned from only a few example images?
   • It always increases the model’s image resolution
   • It automatically learns every view and lighting condition
   • It changes all existing model concepts equally
   • It may capture incidental features of those examples and generalize imperfectly