引导式测验 · 中等 等级
SDXL 和级联扩散测验
检查 SDXL 的潜在扩散、提示编码器、尺寸和作物调节，以及级联中使用的强大的超分辨率阶段。
问题 1 的 8
与原始稳定扩散相比，SDXL 生成图像的原始分辨率是多少？
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。
- 与原始稳定扩散相比，SDXL 生成图像的原始分辨率是多少？
- 1024x1024 与 512x512
- 256x256 与 128x128
- 2048x2048 与 1024x1024
- 768x768 与 256x256
- SDXL的炼油机模型有什么作用？
- 它对文本提示进行编码
- 它在最后的低噪声去噪步骤中添加了精细的细节
- 它将图像压缩到潜在空间中
- 它产生初始随机噪声
- SDXL 使用多少个文本编码器？
- 一
- 三
- 两个
- 零
- 级联扩散的核心思想是什么？
- 一次在所有分辨率上训练单个巨型模型
- 删除文本编码器以加快生成速度
- 在每个阶段用 GAN 代替扩散
- 将基本模型与逐步升级的超分辨率扩散模型链接起来
- 为什么 SDXL 在潜在空间中降噪，而不是直接在像素上降噪？
- 它使去噪的计算成本更便宜
- 潜在空间图像看起来更加丰富多彩
- 像素无法去噪
- 它避免了需要文本提示
- 哪种技术可将 SDXL 减少到一到四代步骤？
- 作物调理
- SDXL Turbo 和潜在一致性模型等蒸馏方法
- 添加更多文本编码器
- 增加 VAE 大小
- SDXL 的尺寸和裁剪条件输入向模型传达了什么信息？
- 哪个训练数据集拥有该提示词
- 要运行的去噪步骤数
- 目标图像尺寸以及框架或裁剪方式
- 图像的最终文件格式和压缩级别
- 噪声条件增强在级联扩散管道中解决了什么问题？
- 它消除了对文本提示的需要
- 它保证每个阶段产生相同的分辨率
- 它将潜在图像转换为音频信号
- 它帮助后续的超分辨率阶段处理前一阶段低分辨率图像中的错误或不确定性