Chestionar de editare a atenției încrucișate de tip prompt-to-prompt

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Ce informații interne reutiliza Prompt-to-Prompt pentru a păstra o scenă?
   • Hărțile de atenție încrucișată care leagă cuvintele cu regiunile imaginii
   • Pixelii de ieșire finali
   • Starea optimizatorului modelului
   • Metadatele de compresie ale imaginii
2. Prompt-to-Prompt necesită o reglare fină a modelului?
   • Da, o reinstruire completă per editare
   • Nu, este o tehnică fără antrenament
   • Da, dar numai codificatorul de text
   • Doar pentru adăugarea de cuvinte noi
3. Pentru a schimba o „bicicletă” cu o „motocicletă” păstrând scena, metoda:
   • Mască manual zona bicicletei
   • Antrenează o nouă LoRA pentru motociclete
   • Mapează atenția între jetoanele corespunzătoare din cele două solicitări
   • Generează o imagine complet independentă
4. Ce realizează reponderarea atenției unui jeton?
   • Schimbă rezoluția imaginii
   • Acesta șterge tokenul în întregime
   • Reordonează cuvintele din prompt
   • Întărește sau slăbește influența vizuală a cuvântului respectiv
5. Când adăugați un cuvânt la solicitare, Prompt-to-Prompt:
   • Păstrează atenția pentru jetoanele neschimbate și permite doar noului jetoane să formeze o atenție proaspătă
   • Re-randomizează întreaga imagine
   • Ignoră cuvântul adăugat
   • Comută la un alt model de bază
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