ControlNet Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. ControlNet, önceden eğitilmiş metinden görüntüye difüzyon modeline ne ekler?
   • A spatial conditioning path that can guide structure using inputs such as edges or pose maps
   • A guarantee that every generated pixel matches the input map exactly
   • A replacement for the text encoder and denoiser
   • A tool that predicts the original training image
2. ControlNet'teki 'sıfır evrişim' katmanlarının rolü nedir?
   • Orijinal model ağırlıklarını silerler
   • Sıfır ağırlıkla başlarlar, böylece eğitim orijinal modelin davranışından başlar
   • Görüntüleri gri tonlamaya dönüştürürler
   • İsteme rastgele gürültü eklerler
3. Bunlardan hangisi geçerli bir ControlNet koşullandırma girişidir?
   • Sayılardan oluşan bir elektronik tablo
   • Bir ses dalga biçimi
   • OpenPose iskeleti veya derinlik haritası
   • Bir veritabanı şeması
4. ControlNet'in Kararlı Difüzyon gibi temel difüzyon modeliyle ilişkisi nedir?
   • Temel modelin tamamen yerini alır
   • Yalnızca herhangi bir temel model olmadan çalışır
   • İnternet üzerinden ayrı bir bilgisayarda çalışır
   • Temel model donmuş halde kalırken eğitilebilir bir dal olarak bağlanır
5. Bir ControlNet iş akışında metin ve mekânsal koşullama hangi rolleri üstlenebilir?
   • Text can describe semantic/style content while a spatial map supplies structural guidance
   • The spatial map proves the text prompt is factually true
   • Text always supplies exact pixel positions and the map supplies the object name
   • The text prompt is ignored whenever a map is present
6. What training-data scale does the ControlNet paper report as robust for training its controls?
   • Only datasets with exactly 50 examples
   • Both small datasets under 50,000 examples and large datasets over 1 million examples
   • Only datasets larger than 100 million examples
   • No training data is used
7. What does the ControlNet paper report about combining conditioning controls?
   • It permits only one edge map and requires no prompt in every case
   • It accepts text prompts but no spatial controls
   • It tests single or multiple conditions, with or without a text prompt
   • It requires exactly two depth maps for each image
8. Which pretrained part does ControlNet reuse as a strong backbone for learning spatial controls?
   • A database of user prompts
   • A language-model tokenizer only
   • A separately trained classifier for every edge map
   • The deep encoding layers of a pretrained diffusion model