Questionário ControlNet

As respostas e explicações aparecem conforme você responde ao teste.

1. What does ControlNet add to a pretrained text-to-image diffusion model?
   • A spatial conditioning path that can guide structure using inputs such as edges or pose maps
   • A guarantee that every generated pixel matches the input map exactly
   • A replacement for the text encoder and denoiser
   • A tool that predicts the original training image
2. Qual é o papel das camadas de 'convolução zero' no ControlNet?
   • Eles excluem os pesos originais do modelo
   • Eles começam com peso zero, então o treinamento começa a partir do comportamento do modelo original
   • Eles convertem imagens em tons de cinza
   • Eles adicionam ruído aleatório ao prompt
3. Qual destas é uma entrada de condicionamento ControlNet válida?
   • Uma planilha de números
   • Uma forma de onda de áudio
   • Um esqueleto OpenPose ou mapa de profundidade
   • Um esquema de banco de dados
4. Como o ControlNet se relaciona com o modelo de difusão de base como o Stable Diffusion?
   • Ele substitui totalmente o modelo básico
   • Só funciona sem nenhum modelo básico
   • Ele é executado em um computador separado pela Internet
   • Ele é anexado como um branch treinável enquanto o modelo base permanece congelado
5. In a ControlNet workflow, what roles can text and spatial conditioning play?
   • Text can describe semantic/style content while a spatial map supplies structural guidance
   • The spatial map proves the text prompt is factually true
   • Text always supplies exact pixel positions and the map supplies the object name
   • The text prompt is ignored whenever a map is present
6. What training-data scale does the ControlNet paper report as robust for training its controls?
   • Only datasets with exactly 50 examples
   • Both small datasets under 50,000 examples and large datasets over 1 million examples
   • Only datasets larger than 100 million examples
   • No training data is used
7. What does the ControlNet paper report about combining conditioning controls?
   • It permits only one edge map and requires no prompt in every case
   • It accepts text prompts but no spatial controls
   • It tests single or multiple conditions, with or without a text prompt
   • It requires exactly two depth maps for each image
8. Which pretrained part does ControlNet reuse as a strong backbone for learning spatial controls?
   • A database of user prompts
   • A language-model tokenizer only
   • A separately trained classifier for every edge map
   • The deep encoding layers of a pretrained diffusion model