แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการแสดงข้อความในแบบทดสอบรูปภาพที่สร้างโดย AI

ทดสอบว่าเหตุใดโทเค็นคำย่อยของ CLIP จึงซ่อนการสะกด วิธีการที่ตัวเข้ารหัส T5 และระดับไบต์ปรับปรุงตัวอักษร และวิธีที่การฝึกอบรมการรับรู้ glyph และการวาดภาพช่วยได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องการแสดงข้อความในรูปภาพที่สร้างโดย AI
คำถาม 1 ของ 8

เหตุใดโมเดลรูปภาพที่ใช้ CLIP จึงพยายามสะกดคำให้ถูกต้อง

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เหตุใดโมเดลรูปภาพที่ใช้ CLIP จึงพยายามสะกดคำให้ถูกต้อง
    • CLIP ไม่มีคำศัพท์เลย
    • CLIP เปลี่ยนข้อความแจ้งเป็นโทเค็นคำย่อยที่จับความหมาย ไม่ใช่ลำดับตัวอักษร
    • CLIP ประมวลผลเฉพาะตัวเลขเท่านั้น
    • CLIP ได้รับการฝึกฝนเฉพาะกับรูปภาพที่ไม่มีข้อความเท่านั้น
  2. การศึกษาการรับรู้ถึงตัวละครของ Google ตัวเข้ารหัสประเภทใดพบว่าคาถาดีกว่า
    • ตัวเข้ารหัส CLIP ที่เล็กกว่า
    • ตัวเข้ารหัสเสียง
    • ตัวเข้ารหัสเฉพาะรูปภาพ
    • ตัวเข้ารหัสระดับไบต์ เช่น ByT5 ที่เห็นอักขระแต่ละตัว
  3. เหตุใดข้อผิดพลาดเล็กๆ น้อยๆ จึงสามารถยอมรับได้ในใบหน้าที่สร้างขึ้น แต่ไม่สามารถยอมรับได้ในข้อความที่สร้างขึ้น
    • การขีดผิดเพียงครั้งเดียวสามารถเปลี่ยนตัวอักษรได้
    • ใบหน้าถูกสร้างขึ้นโดยโมเดลที่แยกจากกัน
    • ข้อความจะถูกวาดด้วยความละเอียดสูงกว่าเสมอ
    • ใบหน้าใช้เสียงรบกวนประเภทอื่น
  4. ข้อจำกัดอะไรในข้อมูลการฝึกอบรมทำให้ยากต่อการเชื่อมโยงคำกับรูปร่างตัวอักษร
    • รูปภาพการฝึกอบรมใช้แบบอักษรมากเกินไป
    • ภาพการฝึกอบรมทั้งหมดเป็นภาพขาวดำ
    • คำบรรยายไม่ค่อยเขียนข้อความที่ปรากฏในภาพออกมา
    • รวมเฉพาะภาพภาษาอังกฤษเท่านั้น
  5. ระบบการวิจัยเช่น TextDiffuser และ GlyphControl เพิ่มอะไรให้กับการสร้างภาพ
    • ลายน้ำที่มองไม่เห็น
    • เค้าโครงที่ชัดเจนหรือรูปภาพตัวอักษรที่แสดงผลล่วงหน้าเพื่อเป็นแนวทางให้กับโมเดล
    • เสียงบรรยาย
    • การสุ่มตัวอย่างเร็วขึ้นและไม่มีอะไรอื่นอีก
  6. คู่มือรุ่นใดที่บอกว่าจับคู่โปรแกรมสร้างภาพกับตัวเข้ารหัส T5
    • Stable Diffusion 3
    • การแพร่กระจายที่เสถียร 1.5
    • Stable Diffusion 1.4
    • โมเดล CLIP ดั้งเดิม
  7. สำหรับงานด้านการผลิตที่ต้องการข้อความที่ตรงกัน คู่มือนี้เรียกว่าแนวทางใดที่น่าเชื่อถือที่สุด
    • เขียนพรอมต์ที่ยาวกว่ามาก
    • การลดความละเอียดลง
    • การเพิ่มพรอมต์เชิงลบที่หนักหน่วง
    • การเพิ่มข้อความนอกโมเดล หรือวาดภาพบริเวณที่ถูกปิดบังด้วยคำที่แก้ไขแล้ว
  8. ตามคำแนะนำ โมเดลรูปภาพสมัยใหม่สร้างตัวอักษรได้อย่างไร
    • โดยการคัดลอกรูปร่างจากไฟล์ฟอนต์
    • โดยการเรียกใช้ OCR บนพรอมต์
    • ด้วยการสร้างเป็นพิกเซล ซึ่งเป็นสาเหตุที่ข้อความยาวๆ และงานพิมพ์เล็กๆ ยังคงผิดพลาดอยู่
    • โดยการค้นหาภาพคำศัพท์บนเว็บ