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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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