Respuesta correcta
- AAjustar (fine-tune) el modelo en un conjunto de datos curado de rostros humanos.
Explicación
Ajustar (fine-tune) el modelo en un conjunto de datos curado de rostros humanos aborda directamente el problema de distorsión al especializar el modelo para la generación de rostros. La opción B (aumentar la resolución de salida) puede mejorar la nitidez general de la imagen, pero no corrige específicamente las distorsiones faciales. La opción C (aumentar el número de pasos de inferencia) puede mejorar la coherencia de la imagen, pero no está dirigida a la calidad de los rostros. La opción D (reducir la escala de guía libre de clasificador) disminuye la adherencia al prompt, lo que en realidad podría empeorar la generación de rostros en lugar de mejorarla.
Para profundizar
Los modelos de difusión de texto a imagen aprenden una distribución sobre los píxeles condicionada por el texto; los rostros son estructuras de alta frecuencia y baja tolerancia, por lo que los datos de entrenamiento genéricos a escala web producen ojos borrosos, características asimétricas y manos derretidas. El ajuste fino en un conjunto de datos faciales curado desplaza la distribución aprendida del modelo hacia una geometría facial correcta, típicamente mediante adaptadores LoRA o personalización estilo DreamBooth que actualizan un pequeño subconjunto de pesos. Aumentar la resolución por sí solo a menudo empeora la distorsión porque el modelo no fue entrenado a esa escala, y más pasos de inferencia solo refinan una trayectoria latente que ya era incorrecta. La escala de guía cambia la adherencia al prompt, no la corrección anatómica. Esto importa cuando una campaña de marca requiere portavoces fotorrealistas y la revisión legal rechaza rostros generados por IA con artefactos visibles.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de Generative AI Leader de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.