Тест «Текстова інверсія».

Відповіді та пояснення з’являються під час виконання тесту.

1. What kinds of concepts did the original textual-inversion paper personalize?
   • User-provided objects or visual styles
   • Only database schemas
   • Only speech transcripts
   • Only camera calibration parameters
2. Приблизно скільки прикладів зображень зазвичай потрібно для текстової інверсії?
   • Лише одне зображення
   • Приблизно від 3 до 5 зображень
   • Тисячі зображень
   • Взагалі немає зображень
3. Чому файли текстової інверсії такі малі (часто кілька кілобайт)?
   • Вони стискають всю модель
   • Це просто текстові підказки
   • Вони зберігають лише один вивчений вектор
   • Вони посилаються на онлайн-базу даних
4. Що залишається незмінним під час навчання інверсії тексту?
   • Приклади зображень
   • Нове псевдослово
   • Формат текстової підказки
   • Всі наявні ваги моделі
5. Як ви використовуєте вивчену концепцію після текстової інверсії?
   • Введіть його нове псевдослово у підказку
   • Щоразу перенавчайте модель
   • Завантажте фотографії ще раз
   • Відредагуйте вихідний код моделі
6. Які втрати використовуються для оптимізації нового вбудовування?
   • Втрата точності класифікації
   • Втрати шуму від дифузії на прикладах зображень
   • Втрата розпізнавання мови
   • Без втрат; це ручне налаштування
7. How does textual inversion use the learned token at generation time?
   • It replaces the image decoder
   • It directly edits a generated image without sampling
   • It inserts the token into a text prompt so the frozen text-to-image model can condition on it
   • It changes the model’s tokenizer vocabulary for every user
8. What is a key limitation of a concept learned from only a few example images?
   • It always increases the model’s image resolution
   • It automatically learns every view and lighting condition
   • It changes all existing model concepts equally
   • It may capture incidental features of those examples and generalize imperfectly