扩散模型与图像生成面试题25 题
- 01 扩散模型、GAN 和 VAE 有什么区别？各自优劣是什么？
- 02 扩散模型为什么用 U-Net？时间步 t 是怎么注入网络的？
- 03 扩散模型中的噪声调度为什么重要？
- 04 什么是扩散模型（Diffusion Model）？它的核心思想是什么？
- 05 文生图模型是如何把文本注入扩散过程的？
- 06 ControlNet 的原理是什么？为什么用零卷积？
- 07 DDIM 是什么？扩散模型采样为什么慢，如何加速？
- 08 DDPM 的原理是什么？为什么训练目标是预测噪声？
- 09 DDPM、DDIM、Euler 等采样器有什么区别？
- 10 Latent Diffusion / Stable Diffusion 的原理是什么？为什么在潜空间做扩散？
- 11 Negative Prompt 为什么能影响生成结果？
- 12 Stable Diffusion 中 LoRA 微调解决什么问题？
- 13 Stable Diffusion 中 VAE 起什么作用？
- 14 什么是 Classifier-Free Guidance（CFG）？guidance scale 起什么作用？
- 15 什么是 DiT（Diffusion Transformer）？它和 Sora 有什么关系？
- 16 扩散模型为什么需要安全过滤器？
- 17 扩散模型中的随机种子为什么影响可复现性？
- 18 图生图中的 denoising strength 起什么作用？
- 19 文生图 Prompt 权重如何影响生成结果？
- 20 Inpainting 和 Outpainting 在扩散模型中如何实现？
- 21 控制信号过强或过弱会带来什么问题？
- 22 扩散模型如何评估图像质量和文本一致性？
- 23 扩散模型生成同一人物如何保持身份一致？
- 24 视频扩散模型如何保证时间一致性？
- 25 Latent Upscaler 在扩散生成中解决什么问题？
没有符合条件的题目。