แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการแก้ไขคำสั่ง InstructPix2Pix

เรียนรู้ว่า InstructPix2Pix เปลี่ยนคำสั่งการแก้ไขที่เป็นลายลักษณ์อักษรให้เป็นการเปลี่ยนแปลงรูปภาพ วิธีสังเคราะห์คู่การฝึกของมัน และสิ่งที่อาจผิดพลาดได้

เส้นทางแนะนำที่เกี่ยวข้องInstructpix2pix การแก้ไขคำสั่ง
คำถาม 1 ของ 8

คุณจะบอก InstructPix2Pix ได้อย่างไรว่าจะเปลี่ยนแปลงอะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. คุณจะบอก InstructPix2Pix ได้อย่างไรว่าจะเปลี่ยนแปลงอะไร
    • โดยการเขียนคำสั่งแก้ไขภาษาธรรมดา
    • โดยการวาดหน้ากากที่แม่นยำให้ทั่วบริเวณ
    • โดยการอัพโหลดภาพอ้างอิงที่สอง
    • โดยการปรับแถบเลื่อนสำหรับแต่ละพิกเซล
  2. ข้อมูลการฝึกอบรมของ InstructPix2Pix ถูกสร้างขึ้นมาอย่างไร
    • ด้วยการจ้างคนมาตัดต่อภาพนับล้าน
    • การใช้ GPT-3 สำหรับคู่คำบรรยาย และ Prompt-to-Prompt เพื่อสร้างการจับคู่รูปภาพ
    • โดยการขูดภาพก่อน/หลังจากโซเชียลมีเดีย
    • โดยการมาสก์ภาพการฝึกแต่ละภาพด้วยตนเอง
  3. สเกลนำทางทั้งสองของ InstructPix2Pix ควบคุมอะไร
    • ความละเอียดและความลึกของสี
    • ความเร็วการฝึกอบรมและความเร็วในการอนุมาน
    • การยึดมั่นในคำแนะนำเทียบกับความเที่ยงตรงของภาพต้นฉบับ
    • จำนวนวัตถุและจำนวนสี
  4. เหตุใดตัวแบบจึงมักจะปล่อยส่วนที่ไม่ได้กล่าวถึงของรูปภาพไว้ตามลำพัง
    • เพราะมันแก้ไขเฉพาะศูนย์ภาพเท่านั้น
    • เพราะมันไม่สนใจภาพที่อินพุตทั้งหมด
    • เพราะมันมักจะใช้หน้ากากเป็นการภายใน
    • เพราะคำแนะนำอธิบายถึงการเปลี่ยนแปลงมากกว่าฉากใหม่ทั้งหมด
  5. Does InstructPix2Pix require separate per-image fine-tuning or inversion before applying an edit?
    • No; the trained model can apply an instruction without per-example fine-tuning or inversion
    • Yes; every image must be used to train a new diffusion model
    • Yes; an artist must invert each pixel by hand
    • No; it edits images without running any diffusion steps
  6. หากการแก้ไขรุนแรงเกินไปและเสียหัวข้อเดิมไป อะไรจะช่วยได้
    • การลดความละเอียดลง
    • การเพิ่มระดับการแนะนำความเที่ยงตรงของภาพ
    • การลบข้อความคำแนะนำ
    • กำลังเปลี่ยนเป็นระดับสีเทา
  7. What is one limitation to check after an InstructPix2Pix edit?
    • The model always preserves every unmentioned pixel exactly
    • The output is guaranteed to match historical truth
    • The model may change details beyond the intended edit
    • Every instruction must be converted into a hand-drawn mask
  8. What generative model provided the image prior used in InstructPix2Pix’s synthetic training-data pipeline?
    • อัลฟ่าพับ
    • กระซิบ
    • เบิร์ต
    • Stable Diffusion