ڈریم بوتھ کوئز

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

1. ڈریم بوتھ کیا ترمیم کرتا ہے جو ٹیکسچوئل الٹا نہیں کرتا ہے؟
   • ماڈل کا اصل وزن
   • صرف فوری متن
   • تصویر کی فائل کی شکل
   • صارف کے GPU ڈرائیورز
2. ڈریم بوتھ کے پیشگی تحفظ کے نقصان کا مقصد کیا ہے؟
   • امیج رینڈرنگ کو تیز کرنے کے لیے
   • زیادہ فٹنگ کو روکنے اور وسیع تر طبقاتی تصور کو برقرار رکھنے کے لیے
   • فائل کا سائز سکڑنے کے لیے
   • پس منظر کو ہٹانے کے لیے
3. ڈریم بوتھ ٹریننگ پرامپٹس میں کسی موضوع کا عام طور پر حوالہ کیسے دیا جاتا ہے؟
   • اس کے مکمل اصلی نام سے
   • صرف عددی ID کے ذریعے
   • ایک نایاب ٹوکن کے علاوہ ایک کلاس لفظ، جیسے 'sks dog'
   • ایک ایموجی کے ذریعے
4. ڈریم بوتھ کو تقریباً کتنی سبجیکٹ امیجز کی ضرورت ہے؟
   • ہزاروں
   • بالکل ایک
   • ایک سو
   • 3 سے 5 کے قریب
5. ڈریم بوتھ استعمال کرنے کا ایک عام تجارت کیا ہے؟
   • ہلکے وزن کے طریقوں سے بڑا ذخیرہ اور زیادہ حساب
   • ایمبیڈنگز سے کم تصویر کا معیار
   • یہ صرف متن پر کام کرتا ہے، تصاویر پر نہیں۔
   • اس کے لیے کسی تربیت کی ضرورت نہیں ہے۔
6. ڈریم بوتھ کو ہلکا بنانے کے لیے اب کون سا مرکب بڑے پیمانے پر استعمال ہوتا ہے؟
   • ڈریم بوتھ او سی آر کے ساتھ
   • LoRA کے ساتھ ڈریم بوتھ
   • GPS کے ساتھ ڈریم بوتھ
   • آڈیو ماڈلز کے ساتھ ڈریم بوتھ
7. What subject variations did the DreamBooth paper demonstrate in generated images?
   • Only the exact camera angle from the training photos
   • Only the original background pixels
   • The subject could appear in novel scenes, poses, views and lighting
   • Different subjects with no relation to the reference
8. What kind of model parameters does LoRA adapt?
   • Only the image file metadata
   • A new pixel palette for every output
   • The dataset labels without changing model computation
   • Low-rank update matrices added to selected weight transformations