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。

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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