引导式测验 · 中等 等级

InstructPix2Pix 指令编辑测验

了解 InstructPix2Pix 如何将书面编辑指令转化为图像更改、如何合成训练对以及可能出现的问题。

相关引导路径Instructpix2pix指令编辑
问题 1 的 8

您如何告诉 InstructPix2Pix 要更改哪些内容？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 您如何告诉 InstructPix2Pix 要更改哪些内容？
    • 通过编写简单语言的编辑指令
    • 通过在该区域上绘制精确的掩模
    • 通过上传第二张参考图片
    • 通过调整每个像素的滑块
  2. InstructPix2Pix 的训练数据是如何创建的？
    • 通过雇用人员编辑数百万张照片
    • 使用 GPT-3 生成标题对并使用 Prompt-to-Prompt 生成图像对
    • 通过从社交媒体上抓取之前/之后的照片
    • 通过手动屏蔽每个训练图像
  3. InstructPix2Pix 的两个引导标尺控制什么？
    • 分辨率和颜色深度
    • 训练速度和推理速度
    • 遵守说明与保真原始图像
    • 物体数量和颜色数量
  4. 为什么模型倾向于忽略图像中未提及的部分？
    • 因为它只编辑图像中心
    • 因为它完全忽略了输入图像
    • 因为它内部总是使用掩码
    • 因为说明描述的是一个变化而不是一个全新的场景
  5. 在应用编辑之前，InstructPix2Pix 是否需要单独对每个图像进行微调或反转？
    • No; the trained model can apply an instruction without per-example fine-tuning or inversion
    • Yes; every image must be used to train a new diffusion model
    • Yes; an artist must invert each pixel by hand
    • No; it edits images without running any diffusion steps
  6. 如果编辑过于激进并失去了原始主题，有什么帮助呢？
    • 降低分辨率
    • 提高图像保真度指导尺度
    • 删除说明文字
    • 切换到灰度
  7. What is one limitation to check after an InstructPix2Pix edit?
    • The model always preserves every unmentioned pixel exactly
    • The output is guaranteed to match historical truth
    • The model may change details beyond the intended edit
    • Every instruction must be converted into a hand-drawn mask
  8. What generative model provided the image prior used in InstructPix2Pix’s synthetic training-data pipeline?
    • 阿尔法折叠
    • 耳语
    • 伯特
    • Stable Diffusion