แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

แบบทดสอบการแก้ไขความสนใจแบบข้ามพร้อมท์ทันที

สำรวจว่าการแก้ไขแบบพร้อมท์ถึงพร้อมท์สร้างภาพผ่านการควบคุมความสนใจแบบข้ามจุด การผสมผสานแบบท้องถิ่น และการกลับกันของภาพถ่ายจริงได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องพร้อมท์เพื่อแจ้งการแก้ไขความสนใจข้าม
คำถาม 1 ของ 8

ข้อมูลภายในใดบ้างที่ Prompt-to-Prompt นำมาใช้ซ้ำเพื่อรักษาฉาก

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ข้อมูลภายในใดบ้างที่ Prompt-to-Prompt นำมาใช้ซ้ำเพื่อรักษาฉาก
    • แผนที่ความสนใจแบบไขว้ที่เชื่อมโยงคำกับขอบเขตรูปภาพ
    • พิกเซลเอาต์พุตสุดท้าย
    • สถานะเครื่องมือเพิ่มประสิทธิภาพของโมเดล
    • ข้อมูลเมตาการบีบอัดของรูปภาพ
  2. Prompt-to-Prompt จำเป็นต้องมีการปรับแต่งโมเดลอย่างละเอียดหรือไม่
    • ใช่ การฝึกใหม่ทั้งหมดต่อการแก้ไข
    • ไม่ มันเป็นเทคนิคที่ไม่ต้องฝึกฝน
    • ใช่ แต่เฉพาะตัวเข้ารหัสข้อความเท่านั้น
    • สำหรับการเพิ่มคำศัพท์ใหม่เท่านั้น
  3. หากต้องการเปลี่ยน 'จักรยาน' เป็น 'รถจักรยานยนต์' โดยที่ยังคงรักษาฉากไว้ ให้ใช้วิธีการ:
    • ปิดบังบริเวณจักรยานด้วยมือ
    • ฝึก LoRA ใหม่สำหรับรถจักรยานยนต์
    • จับคู่ความสนใจระหว่างโทเค็นที่เกี่ยวข้องในพรอมต์ทั้งสอง
    • สร้างภาพลักษณ์ที่เป็นอิสระอย่างสมบูรณ์
  4. การปรับน้ำหนักความสนใจของโทเค็นทำให้สำเร็จอะไร?
    • มันเปลี่ยนความละเอียดของภาพ
    • มันจะลบโทเค็นทั้งหมด
    • มันจะเรียงลำดับคำในพรอมต์ใหม่
    • มันทำให้อิทธิพลทางภาพของคำนั้นแข็งแกร่งขึ้นหรืออ่อนแอลง
  5. เมื่อคุณเพิ่มคำลงในพร้อมท์ Prompt-to-Prompt:
    • คงความสนใจของโทเค็นที่ไม่เปลี่ยนแปลง และปล่อยให้เฉพาะโทเค็นใหม่เท่านั้นที่สร้างความสนใจใหม่
    • สุ่มภาพทั้งหมดอีกครั้ง
    • ละเว้นคำที่เพิ่มเข้ามา
    • เปลี่ยนไปใช้โมเดลพื้นฐานอื่น
  6. Which separate model was trained to follow written image-editing instructions from an input image?
    • InstructPix2Pix, a conditional diffusion editor trained on generated instruction-edit pairs
    • Prompt-to-Prompt, which edits by controlling cross-attention maps during denoising
    • Null-text inversion, which optimizes unconditional embeddings for image inversion
    • LocalBlend, which creates a selected-token mask from attention maps
  7. What does the Prompt-to-Prompt LocalBlend feature use to localize a change?
    • A hand-drawn mask required for every Prompt-to-Prompt edit
    • The EXIF metadata of the original image
    • Attention maps for selected prompt words to construct a spatial mask
    • A classifier that identifies image copyright
  8. What extra step can enable Prompt-to-Prompt editing of a real photograph?
    • Train a new diffusion model from scratch
    • Convert the photograph into an audio spectrogram
    • Replace every cross-attention layer with a classifier
    • Invert the image into the diffusion model’s latent trajectory first