متنی الٹا کوئز

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

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. متنی الٹا عام طور پر کتنی مثالی تصاویر کی ضرورت ہوتی ہے؟
   • صرف ایک تصویر
   • تقریباً 3 سے 5 تصاویر
   • ہزاروں تصاویر
   • بالکل بھی کوئی تصاویر نہیں۔
3. متنی الٹا فائلیں اتنی چھوٹی کیوں ہیں (اکثر چند کلو بائٹس)؟
   • وہ پورے ماڈل کو کمپریس کرتے ہیں۔
   • وہ صرف ٹیکسٹ پرامپٹس ہیں۔
   • وہ صرف ایک سیکھا ہوا ویکٹر ذخیرہ کرتے ہیں۔
   • وہ ایک آن لائن ڈیٹا بیس کا حوالہ دیتے ہیں۔
4. متنی الٹا ٹریننگ کے دوران کیا کوئی تبدیلی نہیں رہتی؟
   • مثال کی تصاویر
   • نیا چھدم لفظ
   • ٹیکسٹ پرامپٹ فارمیٹ
   • ماڈل کے تمام موجودہ وزن
5. متن کے الٹ جانے کے بعد آپ سیکھے ہوئے تصور کو کیسے استعمال کرتے ہیں؟
   • ایک پرامپٹ میں اس کا نیا سیوڈو لفظ ٹائپ کریں۔
   • ہر بار ماڈل کو دوبارہ تربیت دیں۔
   • فوٹو دوبارہ اپ لوڈ کریں۔
   • ماڈل کے سورس کوڈ میں ترمیم کریں۔
6. نئے ایمبیڈنگ کو بہتر بنانے کے لیے کون سا نقصان استعمال کیا جاتا ہے؟
   • درجہ بندی کی درستگی کا نقصان
   • مثال کی تصاویر پر پھیلاؤ کو نقصان پہنچانا
   • تقریر کی پہچان کا نقصان
   • کوئی نقصان نہیں؛ یہ دستی ٹیوننگ ہے۔
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