Questionário de edição de atenção cruzada prompt a prompt

As respostas e explicações aparecem conforme você responde ao teste.

1. Quais informações internas o Prompt-to-Prompt reutiliza para preservar uma cena?
   • Os mapas de atenção cruzada que ligam palavras a regiões de imagens
   • Os pixels de saída finais
   • O estado do otimizador do modelo
   • Os metadados de compactação da imagem
2. O Prompt-to-Prompt requer ajuste fino do modelo?
   • Sim, uma reciclagem completa por edição
   • Não, é uma técnica sem treinamento
   • Sim, mas apenas o codificador de texto
   • Apenas para adicionar novas palavras
3. Para trocar uma ‘bicicleta’ por uma ‘motocicleta’ mantendo a cena, o método:
   • Mascara a região da bicicleta manualmente
   • Treina um novo LoRA para motocicletas
   • Mapeia a atenção entre os tokens correspondentes nos dois prompts
   • Gera uma imagem completamente independente
4. O que a reponderação da atenção de um token realiza?
   • Muda a resolução da imagem
   • Exclui totalmente o token
   • Ele reordena as palavras no prompt
   • Fortalece ou enfraquece a influência visual dessa palavra
5. Ao adicionar uma palavra ao prompt, Prompt-to-Prompt:
   • Preserva a atenção para tokens inalterados e permite que apenas o novo token forme uma nova atenção
   • Re-randomiza toda a imagem
   • Ignora a palavra adicionada
   • Muda para um modelo básico diferente
6. 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
7. 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
8. 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