پرامپٹ ٹو پرامپٹ کراس اٹینشن ایڈیٹنگ کوئز

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

1. پرامپٹ ٹو پرامپٹ منظر کو محفوظ رکھنے کے لیے کون سی اندرونی معلومات کو دوبارہ استعمال کرتا ہے؟
   • کراس توجہ کے نقشے الفاظ کو تصویری خطوں سے جوڑتے ہیں۔
   • حتمی آؤٹ پٹ پکسلز
   • ماڈل کی اصلاح کنندہ حالت
   • تصویر کا کمپریشن میٹا ڈیٹا
2. کیا Prompt-to-Prompt کے لیے ماڈل کو ٹھیک کرنے کی ضرورت ہے؟
   • ہاں، فی ترمیم ایک مکمل ریٹرین
   • نہیں، یہ ایک تربیت سے پاک تکنیک ہے۔
   • ہاں، لیکن صرف ٹیکسٹ انکوڈر
   • صرف نئے الفاظ شامل کرنے کے لیے
3. منظر کو برقرار رکھتے ہوئے ایک 'سائیکل' کو 'موٹرسائیکل' کے لیے تبدیل کرنا، طریقہ:
   • سائیکل کے علاقے کو ہاتھ سے ماسک کریں۔
   • موٹرسائیکلوں کے لیے ایک نیا LoRA تربیت دیتا ہے۔
   • دونوں اشارے پر متعلقہ ٹوکنز کے درمیان نقشے کی توجہ
   • مکمل طور پر آزاد تصویر بناتا ہے۔
4. ٹوکن کی توجہ کو دوبارہ وزن دینے سے کیا حاصل ہوتا ہے؟
   • یہ تصویر کی قرارداد کو تبدیل کرتا ہے
   • یہ ٹوکن کو مکمل طور پر حذف کر دیتا ہے۔
   • یہ پرامپٹ میں الفاظ کو دوبارہ ترتیب دیتا ہے۔
   • یہ اس لفظ کے بصری اثر کو مضبوط یا کمزور کرتا ہے۔
5. جب آپ پرامپٹ میں کوئی لفظ شامل کرتے ہیں، تو Prompt-to-Prompt:
   • غیر تبدیل شدہ ٹوکنز کے لیے توجہ محفوظ رکھتا ہے اور صرف نئے ٹوکن کو تازہ توجہ دینے دیتا ہے۔
   • پوری تصویر کو دوبارہ بے ترتیب بناتا ہے۔
   • شامل کردہ لفظ کو نظر انداز کرتا ہے۔
   • ایک مختلف بیس ماڈل پر سوئچ کرتا ہے۔
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