扩散模型与图像生成面试题25 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 什么是扩散模型（Diffusion Model）？它的核心思想是什么？
- 04 文生图模型是如何把文本注入扩散过程的？
- 05 ControlNet 的原理是什么？为什么用零卷积？
- 06 DDIM 是什么？扩散模型采样为什么慢，如何加速？
- 07 DDPM 的原理是什么？为什么训练目标是预测噪声？
- 08 Latent Diffusion / Stable Diffusion 的原理是什么？为什么在潜空间做扩散？
- 09 什么是 Classifier-Free Guidance（CFG）？guidance scale 起什么作用？
- 10 什么是 DiT（Diffusion Transformer）？它和 Sora 有什么关系？
- 11 扩散模型如何评估图像质量和文本一致性？
- 12 扩散模型如何实现 Inpainting 和 Outpainting？
- 13 扩散模型生成同一人物时如何保持身份一致？
- 14 扩散模型中的噪声调度为什么重要？
- 15 扩散模型中固定 Seed 为什么仍可能无法完全复现？
- 16 扩散模型中控制信号过强或过弱会带来什么问题？
- 17 视频扩散模型如何保证时序一致性？
- 18 图生图中的 strength 参数如何理解？
- 19 文生图 Prompt 权重如何影响生成结果？
- 20 文生图系统的 Safety Filter 应该如何设计？
- 21 DDPM、DDIM、Euler 等 Scheduler 有什么区别？
- 22 Latent Upscaler 与像素超分有什么区别？
- 23 Negative Prompt 为什么能影响生成结果？
- 24 Stable Diffusion 中 LoRA 微调解决什么问题？
- 25 Stable Diffusion 中的 VAE 起什么作用？
没有符合条件的题目。