FacileChoix unique

Question d'entraînement Generative AI Leader

Une entreprise utilise un modèle de texte à image pour générer des visuels marketing. Les sorties contiennent souvent des visages humains déformés. Quelle technique est la plus susceptible d'améliorer la génération de visages ?

Choisissez la meilleure réponse.

Bonne réponse

  • AAffiner (fine-tune) le modèle sur un jeu de données organisé de visages humains.

Explication

L'affinage (fine-tuning) du modèle sur un jeu de données organisé de visages humains résout directement le problème de distorsion en spécialisant le modèle pour la génération de visages. L'option B (augmenter la résolution de sortie) peut améliorer la netteté globale de l'image mais ne corrige pas spécifiquement les distorsions faciales. L'option C (augmenter le nombre d'étapes d'inférence) peut améliorer la cohérence de l'image mais ne cible pas la qualité des visages. L'option-clé D (réduire l'échelle de guidage sans classifieur) diminue l'adhésion au prompt, ce qui pourrait en fait aggraver la génération de visages plutôt que de l'améliorer.

Pourquoi chaque option est juste ou fausse

A

Juste

Affiner (fine-tune) le modèle sur un jeu de données organisé de visages humains.

L'affinage ajuste les poids du modèle sur des données faciales organisées, lui enseignant les structures et proportions faciales spécifiques qu'il rend actuellement mal. Cela cible directement le mode de défaillance des visages déformés, contrairement à l'ingénierie du prompt ou à une résolution plus élevée, qui ne peuvent pas corriger les lacunes de représentation apprises.

B

Fausse

Augmenter la résolution de sortie.

Une résolution plus élevée ajoute du détail en pixels mais ne corrige pas la structure faciale apprise par le modèle, de sorte que la distorsion persiste. C'est tentant car la résolution est un paramètre de sortie visible, mais le défaut provient des données d'entraînement et de l'architecture ; l'affinage sur des images de visages claires traite la cause réelle.

C

Fausse

Augmenter le nombre d'étapes d'inférence.

Plus d'étapes d'inférence affinent une trajectoire latente existante mais ne peuvent pas corriger un modèle qui n'a jamais appris une structure faciale précise ; elles accentuent principalement les détails et peuvent même amplifier la distorsion. C'est tentant car le nombre d'étapes gouverne véritablement la qualité d'échantillonnage et la convergence, et l'augmenter est la bonne correction lorsque les sorties ont l'air bruitées ou manquent de résolution plutôt que d'être anatomiquement fausses.

D

Fausse

Réduire l'échelle de guidage sans classifieur (classifier-free guidance scale).

Baisser le guidage sans classifieur affaiblit l'adhésion au prompt, de sorte que les visages s'éloignent davantage de la description textuelle au lieu de gagner en précision anatomique. C'est tentant car l'échelle de guidage contrôle véritablement le compromis créativité-fidélité, et la réduire est correct lorsque les sorties semblent sursaturées, contrastées ou anormalement rigides pour un prompt donné.

Pour aller plus loin

Les modèles de diffusion texte-image apprennent une distribution sur les pixels conditionnée par le texte ; les visages sont des structures à haute fréquence et à faible tolérance, de sorte que les données d'entraînement génériques à l'échelle du web produisent des yeux flous, des caractéristiques asymétriques et des mains fondues. L'affinage sur un jeu de données faciales organisé déplace le a priori appris du modèle vers une géométrie faciale correcte, généralement via des adaptateurs LoRA ou une personnalisation de type DreamBooth qui mettent à jour un sous-ensemble restreint de poids. Augmenter la résolution seule aggrave souvent la distorsion car le modèle n'a pas été entraîné à cette échelle, et un plus grand nombre d'étapes d'inférence ne fait que raffiner une trajectoire latente déjà erronée. L'échelle de guidage modifie l'adhésion au prompt, pas l'exactitude anatomique. Cela importe lorsqu'une campagne de marque nécessite des porte-parole photoréalistes et que l'examen juridique rejette les visages générés par l'IA présentant des artefacts visibles.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement Generative AI Leader originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.