İstemden İsteme Çapraz Dikkat Düzenleme Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. İstemden İsteme bir sahneyi korumak için hangi dahili bilgileri yeniden kullanır?
   • Kelimeleri görüntü bölgelerine bağlayan çapraz dikkat haritaları
   • Son çıktı pikselleri
   • Modelin optimize edici durumu
   • Görüntünün sıkıştırma meta verileri
2. İstemden İsteme modelde ince ayar yapılması gerekiyor mu?
   • Evet, düzenleme başına tam bir yeniden eğitim
   • Hayır, eğitim gerektirmeyen bir tekniktir
   • Evet, ancak yalnızca metin kodlayıcı
   • Yalnızca yeni kelimeler eklemek için
3. Sahneyi korurken bir 'bisikleti' bir 'motosiklet' ile değiştirmek için yöntem:
   • Bisiklet bölgesini elle maskeler
   • Motosikletler için yeni bir LoRA eğitiyor
   • İki istemde karşılık gelen belirteçler arasındaki dikkati haritalandırır
   • Tamamen bağımsız bir görüntü oluşturur
4. Bir jetonun dikkatini yeniden ağırlıklandırmak ne işe yarar?
   • Görüntü çözünürlüğünü değiştirir
   • Belirteci tamamen siler
   • İstemdeki kelimeleri yeniden sıralar
   • O kelimenin görsel etkisini güçlendirir veya zayıflatır
5. İsteme bir sözcük eklediğinizde, İstemden İsteme:
   • Değişmeyen tokenlara olan ilgiyi korur ve yalnızca yeni tokenin yeni ilgi çekmesine izin verir
   • Tüm görüntüyü yeniden rastgele hale getirir
   • Eklenen kelimeyi yok sayar
   • Farklı bir temel modele geçer
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