ControlNet Test

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

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. Care este rolul straturilor de „convoluție zero” în ControlNet?
   • Ele șterg greutățile modelului original
   • Încep cu greutăți zero, așa că antrenamentul începe de la comportamentul modelului original
   • Ei convertesc imaginile în tonuri de gri
   • Ele adaugă zgomot aleatoriu promptului
3. Care dintre acestea este o intrare de condiționare ControlNet validă?
   • O foaie de calcul cu numere
   • O formă de undă audio
   • Un schelet OpenPose sau o hartă de adâncime
   • O schemă de bază de date
4. Cum se raportează ControlNet la modelul de difuzie de bază, cum ar fi Stable Diffusion?
   • Înlocuiește în întregime modelul de bază
   • Funcționează doar fără nici un model de bază
   • Funcționează pe un computer separat prin internet
   • Se atașează ca o ramură antrenabilă, în timp ce modelul de bază rămâne înghețat
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