Вікторина ControlNet

Відповіді та пояснення з’являються під час виконання тесту.

1. What does ControlNet add to a pretrained text-to-image diffusion model?
   • 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. Яка роль шарів «нульової згортки» в ControlNet?
   • Вони видаляють оригінальні ваги моделі
   • Вони починаються з нульових ваг, тому навчання починається з поведінки вихідної моделі
   • Вони перетворюють зображення в градації сірого
   • Вони додають до підказки випадковий шум
3. Що з цього є дійсним входом кондиціонування ControlNet?
   • Електронна таблиця чисел
   • Форма звукового сигналу
   • Скелет OpenPose або карта глибини
   • Схема бази даних
4. Як ControlNet пов’язаний із базовою дифузійною моделлю, такою як Stable Diffusion?
   • Він повністю замінює базову модель
   • Він працює лише без базової моделі
   • Він працює на окремому комп’ютері через Інтернет
   • Він прикріплюється як гілка, яку можна тренувати, тоді як базова модель залишається замороженою
5. In a ControlNet workflow, what roles can text and spatial conditioning play?
   • 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