引導式測驗 · 中等 等級

AI 產生影像中的文字渲染測驗

測試為什麼 CLIP 子詞標記隱藏拼字、T5 和位元組級編碼器如何改進字母,以及字形感知訓練和修復如何提供幫助。

問題 1 的 8

為什麼基於 CLIP 的圖像模型難以正確拼寫單字?

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. 為什麼基於 CLIP 的圖像模型難以正確拼寫單字?
    • CLIP根本沒有詞彙
    • CLIP 將提示轉換為捕獲含義的子詞標記,而不是字母序列
    • CLIP 僅處理數字
    • CLIP 僅針對不包含文字的圖像進行訓練
  2. Google 的字元感知研究發現哪種編碼器拼字更好?
    • 更小的 CLIP 編碼器
    • 音訊編碼器
    • 僅影像編碼器
    • 位元組級編碼器,例如 ByT5,可以查看單一字元
  3. 為什麼生成的臉部可以容忍小錯誤,但生成的文字卻不能容忍?
    • 一個錯誤的筆畫可能會改變它是哪個字母
    • 面部由單獨的模型生成
    • 文字始終以較高解析度繪製
    • 臉部使用不同類型的雜訊波
  4. 訓練資料的哪些限制導致很難將單字與字母形狀連結起來?
    • 訓練圖像使用了太多字體
    • 所有訓練影像都是黑白的
    • 標題很少寫出圖像中可見的文本
    • 僅包含英文圖像
  5. TextDiffuser 和 GlyphControl 等研究系統為影像生成添加了什麼?
    • 隱形浮水印
    • 明確的佈局或預先渲染的字母圖像來指導模型
    • 音訊旁白
    • 採樣速度更快,僅此而已
  6. 指南中提到哪種型號的影像產生器與 T5 編碼器配對?
    • Stable Diffusion 3
    • 穩定擴散1.5
    • Stable Diffusion 1.4
    • 最初的 CLIP 模型
  7. 對於需要精確文字的製作工作,指南中認為最可靠的方法是什麼?
    • 寫一個更長的提示
    • 降低解析度
    • 增加沉重的負面提示
    • 在模型外部添加文本,或使用更正的單詞修復遮罩區域
  8. 根據指南,現代圖像模型如何產生字母?
    • 透過從字體檔案複製形狀
    • 根據提示執行 OCR
    • 透過將它們生成為像素,這就是為什麼長段落和小字體仍然會出錯的原因
    • 透過在網路上尋找單字圖像