Тест по ControlNet

Ответы и пояснения появляются по мере прохождения теста.

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. Какова роль слоев «нулевой свертки» в ControlNet?
   • Они удаляют исходный вес модели.
   • Они начинаются с нулевых весов, поэтому обучение начинается с поведения исходной модели.
   • Они конвертируют изображения в оттенки серого.
   • Они добавляют случайный шум в подсказку.
3. Какой из них является действительным входом формирования сигнала ControlNet?
   • Таблица чисел
   • Звуковой сигнал
   • Скелет OpenPose или карта глубины
   • Схема базы данных
4. Как ControlNet соотносится с базовой моделью диффузии, такой как Stable Diffusion?
   • Полностью заменяет базовую модель.
   • Работает только без базовой модели.
   • Он работает на отдельном компьютере через Интернет.
   • Он прикрепляется как обучаемая ветка, в то время как базовая модель остается замороженной.
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