کنٹرول نیٹ کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

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. ControlNet میں 'صفر-convolution' تہوں کا کیا کردار ہے؟
   • وہ اصل ماڈل کے وزن کو حذف کرتے ہیں۔
   • وہ صفر وزن سے شروع ہوتے ہیں لہذا تربیت اصل ماڈل کے رویے سے شروع ہوتی ہے۔
   • وہ تصاویر کو گرے اسکیل میں تبدیل کرتے ہیں۔
   • وہ پرامپٹ میں بے ترتیب شور شامل کرتے ہیں۔
3. ان میں سے کون سا درست ControlNet کنڈیشنگ ان پٹ ہے؟
   • نمبروں کی ایک اسپریڈ شیٹ
   • ایک آڈیو ویوفارم
   • ایک اوپن پوز کنکال یا گہرائی کا نقشہ
   • ایک ڈیٹا بیس اسکیما
4. ControlNet کا بیس ڈفیوژن ماڈل جیسے Stable Diffusion سے کیا تعلق ہے؟
   • یہ مکمل طور پر بیس ماڈل کی جگہ لے لیتا ہے۔
   • یہ صرف بغیر کسی بیس ماڈل کے کام کرتا ہے۔
   • یہ انٹرنیٹ پر ایک الگ کمپیوٹر پر چلتا ہے۔
   • یہ ایک قابل تربیت شاخ کے طور پر منسلک ہوتا ہے جبکہ بیس ماڈل منجمد رہتا ہے۔
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