引導式測驗 · 中等 等級
使用多模態模型進行對話式影像編輯測驗
測試多模式聊天編輯與基於蒙版的擴散修復有何不同,為什麼細節會在回合中漂移,以及限制它的實用方法。
問題 1 的 8
傳統擴散修補與原生多模態聊天編輯的關鍵差異是什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 傳統擴散修補與原生多模態聊天編輯的關鍵差異是什麼?
- Inpainting 只適用於黑白圖像
- Inpainting 只會重新產生遮罩區域,而多模態模型通常會根據對話產生整張全新的圖像
- 多模態模型需要你先畫出遮罩
- Inpainting 不能使用文字提示
- 為什麼在多模態編輯過程中,未被要求變更的細節會發生位移?
- 模型會刻意加入隨機變化
- 聊天介面會壓縮文字
- 原始檔案在上傳後會被刪除
- 模型通常會產生整張全新的圖像,因此保存是學習到的,而非保證的
- 存取對話歷史讓多模態模型能做什麼?
- 跟隨提及先前回合的請求,例如回到之前的顏色
- 保證像素完全相同的輸出
- 編輯你原始檔案的圖層
- 自動提升影像解析度
- 哪個 2022 年的研究模型顯示可以在沒有遮罩的情況下,根據文字指令編輯影像?
- SynthID
- C2PA
- InstructPix2Pix
- Nano Banana
- 當對話多輪後產生漂移時,哪一步是好的做法?
- 持續在同一個聊天中不斷加入更多指示
- 從最佳版本重新開始聊天,或回到原始上傳的內容
- 將影像縮小為縮圖
- 切換為黑白模式
- 修圖師需要所有未觸及的像素保持完全不變。哪種方法最適合?
- 請求聊天模型「不做其他變更」
- 多次執行編輯,隨機挑選一個結果
- 從零開始生成新圖像
- 基於遮罩的修復或將編輯區域重新疊加回原始圖像
- Google 為其模型生成的圖像添加了哪種來源訊號?
- 一個隱形的 SynthID 水印
- 每個角落都有可見的標誌
- 一個 QR 碼
- 沒有任何訊號
- 關於對話式編輯的哪一項說法是誤解?
- 輸出可能不符合您的原始解析度
- 未改動區域的保留是學習得到的,而非保證的
- 模型直接編輯您的原始檔案及其圖層
- 說明必須保持不變的內容有助於減少漂移