Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Câu đố về DreamBooth

Khám phá tinh chỉnh khuếch tán theo chủ đề cụ thể của DreamBooth, mục tiêu bảo tồn trước đó và sự cân bằng đánh giá giữa các lời nhắc.

Đường dẫn hướng dẫn liên quanDreambooth
Câu hỏi 1 của 8

DreamBooth sửa đổi điều gì mà Đảo ngược văn bản không sửa đổi?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. DreamBooth sửa đổi điều gì mà Đảo ngược văn bản không sửa đổi?
    • Trọng lượng thực tế của mô hình
    • Chỉ văn bản nhắc nhở
    • Định dạng tập tin hình ảnh
    • Trình điều khiển GPU của người dùng
  2. Mục đích của việc mất bảo quản trước của DreamBooth là gì?
    • Để tăng tốc độ hiển thị hình ảnh
    • Để ngăn chặn việc trang bị quá mức và giữ khái niệm lớp học rộng hơn
    • Để thu nhỏ kích thước tập tin
    • Để xóa nền
  3. Chủ đề thường được nhắc đến trong lời nhắc đào tạo của DreamBooth như thế nào?
    • Bằng tên thật đầy đủ của nó
    • Chỉ bằng ID số
    • Bằng một mã thông báo hiếm cộng với một từ đẳng cấp, chẳng hạn như 'sks dog'
    • Bằng một biểu tượng cảm xúc
  4. DreamBooth cần khoảng bao nhiêu hình ảnh chủ đề?
    • Hàng ngàn
    • Chính xác là một
    • một trăm
    • Khoảng 3 đến 5
  5. Sự đánh đổi phổ biến khi sử dụng DreamBooth là gì?
    • Dung lượng lưu trữ lớn hơn và tính toán nhiều hơn các phương pháp nhẹ
    • Chất lượng hình ảnh thấp hơn so với nhúng
    • Nó chỉ hoạt động trên văn bản, không phải hình ảnh
    • Nó không cần đào tạo gì cả
  6. Sự kết hợp nào hiện nay được sử dụng rộng rãi để giúp DreamBooth nhẹ hơn?
    • DreamBooth với OCR
    • DreamBooth với LoRA
    • DreamBooth có GPS
    • DreamBooth với các mẫu âm thanh
  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