Викторина, связанная с руководством · Средний Уровень

SDXL и викторина по каскадной диффузии

Проверьте скрытую диффузию SDXL, быстрые кодировщики, размер и кондиционирование урожая, а также надежные каскады со сверхвысоким разрешением, используемые в каскадах.

Связанные направляющие путиSdxl и каскадная диффузия
Вопрос 1 из 8

С каким собственным разрешением SDXL генерирует изображения по сравнению с исходным Stable Diffusion?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. С каким собственным разрешением SDXL генерирует изображения по сравнению с исходным Stable Diffusion?
    • 1024x1024 против 512x512
    • 256x256 против 128x128
    • 2048x2048 против 1024x1024
    • 768x768 против 256x256
  2. Какова роль модели нефтепереработки SDXL?
    • Он кодирует текстовую подсказку
    • Он добавляет мелкие детали на заключительных этапах малошумного шумоподавления.
    • Он сжимает изображения в скрытое пространство.
    • Он генерирует начальный случайный шум
  3. Сколько кодировщиков текста использует SDXL?
    • Один
    • Три
    • Два
    • Ноль
  4. В чем заключается основная идея каскадной диффузии?
    • Обучение одной гигантской модели сразу на всех разрешениях
    • Удаление кодировщика текста для ускорения генерации
    • Замена диффузии на GAN на каждом этапе
    • Объединение базовой модели с диффузионными моделями сверхвысокого разрешения, которые постепенно масштабируются.
  5. Почему SDXL удаляет шум в скрытом пространстве, а не непосредственно в пикселях?
    • Это делает шумоподавление более дешевым в вычислительном отношении.
    • Скрытые космические изображения выглядят более красочными
    • Пиксели не могут быть обесшумлены
    • Это позволяет избежать необходимости в текстовой подсказке
  6. Какой метод сокращает SDXL до одного-четырех шагов генерации?
    • Кондиционирование урожая
    • Методы дистилляции, такие как SDXL Turbo и модели скрытой согласованности.
    • Добавление дополнительных текстовых кодировщиков
    • Увеличение размера VAE
  7. What do SDXL's size and crop conditioning inputs tell the model?
    • Which training dataset owns the prompt
    • The number of denoising steps to run
    • The target image size and framing or crop
    • The image's final file format and compression level
  8. What problem does noise-conditioning augmentation address in a cascaded diffusion pipeline?
    • Это устраняет необходимость в текстовой подсказке.
    • It guarantees that every stage produces the same resolution
    • It converts the latent image into an audio signal
    • It helps later super-resolution stages handle errors or uncertainty in the previous stage's low-resolution image