Викторина, связанная с руководством · Средний Уровень

Слайдеры LoRA для редактирования изображений: викторина

Узнайте, как слайдеры LoRA изучают атрибуты непрерывного изображения на примерах и почему распутывание важно для контролируемого редактирования.

Вопрос 1 из 8

Что означает «низкий ранг» в LoRA?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что означает «низкий ранг» в LoRA?
    • Использование двух небольших матриц для аппроксимации изменений веса вместо редактирования всех весов.
    • Уменьшение разрешения выходного изображения
    • Уменьшение количества этапов диффузии
    • Ранжирование концепций от наименее к наиболее важным
  2. Почему вы можете складывать несколько слайдеров LoRA одновременно?
    • Потому что они последовательно перезаписывают базовую модель.
    • Потому что каждый из них представляет собой небольшой отдельный модуль, добавленный к замороженной базовой модели.
    • Поскольку модель переобучается между каждым слайдером
    • Потому что одновременно активен только один слайдер
  3. Что обычно дает увеличение значения силы ползунка?
    • Добавляет случайный шум к изображению
    • Переключается на другую базовую модель
    • Сильнее продвигает целевую концепцию в положительном направлении
    • Уменьшает размер файла LoRA
  4. По сравнению с борьбой с текстовыми подсказками, ключевым преимуществом ползунков является:
    • Они не требуют базовой модели диффузии.
    • Они устраняют необходимость в каких-либо подсказках
    • Они создают только черно-белые изображения.
    • Непрерывный, повторяемый контроль над одним атрибутом
  5. Сколько уникальных концептуальных слайдеров составляет бумажный отчет без ухудшения качества вывода?
    • More than 50 in the reported composition experiment
    • Exactly two, with no larger compositions tested
    • One slider per image, with no stacking
    • An unlimited number for every model
  6. Какую концепцию представили концептуальные слайдеры?
    • Способ сжатия изображений с помощью диффузии
    • Направления обучения LoRA, соответствующие одному редактируемому атрибуту
    • Новый сэмплер для более быстрой генерации
    • Способ автоматической подписи изображений
  7. What training examples can Concept Sliders use to define a visual attribute direction?
    • Only a complete retraining of the diffusion model
    • A list of file names with no examples
    • A small set of text prompts or sample images
    • A video transcript unrelated to the target attribute
  8. Why does Concept Sliders seek to minimize interference with unrelated attributes?
    • So the frozen base model must be retrained for every edit
    • So all sliders produce the same visual change
    • So a slider cannot be combined with another module
    • So changing one slider is less likely to alter other aspects of the image