Questionário DreamBooth

As respostas e explicações aparecem conforme você responde ao teste.

1. O que o DreamBooth modifica e a Inversão Textual não?
   • Os pesos reais do modelo
   • Somente o texto do prompt
   • O formato do arquivo de imagem
   • Os drivers de GPU do usuário
2. Qual é o propósito da perda de preservação prévia do DreamBooth?
   • Para acelerar a renderização da imagem
   • Para evitar overfitting e manter o conceito de classe mais amplo
   • Para diminuir o tamanho do arquivo
   • Para remover fundos
3. Como um assunto é normalmente referenciado nas instruções de treinamento do DreamBooth?
   • Pelo seu nome verdadeiro completo
   • Apenas por um ID numérico
   • Por um símbolo raro mais uma palavra de classe, como 'sks dog'
   • Por um emoji
4. Aproximadamente quantas imagens de assuntos o DreamBooth precisa?
   • Milhares
   • Exatamente um
   • Cem
   • Por volta das 3 às 5
5. Qual é a desvantagem comum do uso do DreamBooth?
   • Maior armazenamento e mais computação do que métodos leves
   • Qualidade de imagem inferior à dos embeddings
   • Funciona apenas em texto, não em imagens
   • Não precisa de nenhum treinamento
6. Qual combinação é agora amplamente utilizada para tornar o DreamBooth mais leve?
   • DreamBooth com OCR
   • DreamBooth com LoRA
   • DreamBooth com GPS
   • DreamBooth com modelos de áudio
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