2026年AI绘画技术项目实战培训模拟试卷及答案

2026年AI绘画技术项目实战培训模拟试卷及答案一、单项选择题（本大题共20小题，每小题1分，共20分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在题后的括号内。）1.在StableDiffusion等潜在扩散模型（LDM）中，图像数据首先通过编码器压缩到潜在空间。关于VAE（变分自编码器）在其中的作用，下列说法正确的是（）。A.VAE仅负责图像的解码，将潜在向量还原为像素图像B.VAE通过学习数据的分布，将高维像素图像压缩为低维潜在表示，同时保留尽可能多的语义信息C.VAE直接对像素空间进行加噪和去噪操作D.VAE在推理阶段是不必要的，只有在训练阶段才使用2.2026年的主流AI绘画模型（如Flux.1或SD3）大多采用了DiT（DiffusionTransformer）架构替代了传统的U-Net架构。DiT架构的核心优势在于（）。A.计算量更小，适合在移动端设备运行B.基于Transformer的自注意力机制能更好地处理全局依赖关系，提升生成质量和语义理解能力C.彻底消除了训练过程中的模式崩塌现象D.不需要任何文本编码器即可理解提示词3.在使用StableDiffusion进行文生图时，CFGScale（Classifier-FreeGuidanceScale）是一个关键参数。当CFGScale设置为7.0时，其含义是（）。A.模型将无条件生成图像，忽略提示词B.模型将完全按照提示词生成图像，没有任何随机性C.模型在去噪过程中，会以7倍的强度向“有条件文本引导”的方向靠扰，远离“无条件”的噪声预测D.模型将进行7次迭代采样4.ControlNet是AI绘画中控制画面结构的重要技术。若我们需要将一张人物照片的姿态精确迁移到生成的新图像中，应该使用哪种ControlNet预处理器？（）A.Canny（边缘检测）B.Depth（深度估计）C.OpenPose（姿态估计）D.MLSD（直线检测）5.在提示词工程中，若要增强某个关键词的权重，通常使用语法。在WebUI中，下列语法表示将“cyberpunk”的权重增加至1.5倍的是（）。A.(cyberpunk:1.5)B.[cyberpunk:1.5]C.{cyberpunk|1.5}D.(cyberpunk)+1.56.LoRA（Low-RankAdaptation）模型在AI绘画项目中应用广泛。关于LoRA的工作原理，下列描述准确的是（）。A.LoRA是一个完整的独立大模型，可以单独运行B.LoRA通过冻结预训练模型的权重，并在旁路注入低秩矩阵来更新模型权重，极大降低了训练成本C.LoRA只能用于画风迁移，不能用于学习特定人物或物体D.一个LoRA文件的体积通常比基础Checkpoint大模型还要大7.在图像重绘中，去噪强度的含义是（）。A.模型将丢弃多少原始图像的信息B.模型将添加多少新的噪声层C.模型将进行多少次采样步数D.模型将改变图像的分辨率倍数8.下列采样器中，属于基于Karras等人的Euler方法改进，且在2025-2026年被广泛认为在保持细节和收敛速度上表现较好的是（）。A.EuleraB.DPM++2MKarrasC.DDIMD.PLMS9.在使用StableDiffusion生成高分辨率图像时，常使用“高清修复”功能。该功能的典型工作流程是（）。A.直接在目标高分辨率下进行去噪生成B.先生成低分辨率图像，然后通过插值算法放大C.先生成低分辨率图像，利用潜空间噪声放大，再在放大后的图上进行额外去噪步骤以补充细节D.先生成高分辨率图像，再压缩回去检查细节10.提示词“masterpiece,bestquality,8k,highlydetailed”通常被称为（）。A.负面提示词B.质量词C.魔法词D.触发词11.在ComfyUI等节点式工作流工具中，连接节点的“点”通常有不同的颜色和形状，这代表了（）。A.节点的运算速度B.数据类型（如LATENT,IMAGE,STRING,MODEL等）C.节点的优先级D.显存占用情况12.关于StableDiffusion的CLIP文本编码器，其默认的Token最大长度通常是75。如果输入的提示词超过了这个长度，会发生什么？（）A.程序会报错并停止生成B.超出的部分会被自动截断，模型无法读取超出的文本信息C.模型会自动压缩文本以适应长度D.模型会动态扩展编码器长度13.IP-Adapter是一种基于图像提示的适配器。与传统的图生图相比，IP-Adapter的主要优势在于（）。A.生成速度更快B.能够在不改变画面构图的情况下，精准地参考参考图的风格、角色或细节C.可以生成视频D.完全替代了文本提示词的作用14.在AI绘画训练数据集中，打标是关键步骤。关于BLIP（BootstrappingLanguage-ImagePre-training）和WD（WaifuDiffusion）系列打标器的区别，下列说法正确的是（）。A.BLIP专门用于生成动漫风格的标签，WD用于生成照片级真实感标签B.WD1.4Taggers通常使用Danbooru标准，生成的标签多为“小蓝书”格式的特定名词，适合二次元模型训练C.BLIP生成的标签包含更多的自然语言描述，不适合作为训练触发词D.两者生成的标签格式完全一致，没有区别15.在扩散模型的数学原理中，前向扩散过程是逐步向图像添加噪声的过程。若x0表示原始图像，xt表示时刻t的加噪图像，αtA.xB.xC.xD.x16.在使用StableDiffusion进行局部重绘时，蒙版模糊的作用是（）。A.模糊掉被蒙版覆盖的区域，使其看不见B.模糊蒙版的边缘，使重绘区域与原图区域过渡更自然，避免明显的硬边界C.模糊整个图像背景D.增加蒙版区域的去噪强度17.2026年，随着多模态大模型的发展，AI绘画开始支持更复杂的语义理解。在生成包含多个角色的复杂场景时，为了防止角色特征混淆，最佳实践是（）。A.将所有角色的描述写在一个长段落中B.使用区域提示词或分层构图技术，将不同角色的描述与图像的特定空间位置绑定C.仅仅依靠负面提示词进行分离D.降低CFGScale18.下列哪种文件格式是StableDiffusion模型权重最常用的安全保存格式？（）A..ckptB..safetensorsC..pthD..bin19.在训练LoRA时，学习率是一个至关重要的超参数。对于AdamW优化器，常用的Unet学习率范围是（）。A.0.0010.01B.1e-41e-5C.1e-61e-7D.0.11.020.关于LCM（LatentConsistencyModels）和Turbo模型，它们的主要特点是（）。A.极大地提高了生成图像的分辨率B.能够在极少的步数（如2-4步）内完成高质量图像生成，实现实时出图C.专门用于生成3D模型D.必须配合ControlNet使用20.B二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在题后的括号内。多选、少选、错选均不得分。）21.下列哪些属于生成式AI在图像处理领域的典型应用场景？（）A.图像超分辨率重建B.图像语义分割C.文生图D.图像风格迁移E.目标检测22.StableDiffusionWebUI（Automatic1111）提供了多种扩展功能。下列属于常用扩展的是（）。A.ADetailer（用于自动修复面部和手部细节）B.UltimateSDUpscale（用于高清放大）C.SegmentAnything（用于图像分割）D.Three.jsEditor（用于3D模型编辑）E.Roop（用于面部替换）23.在使用ControlNet进行多重控制时，合理的控制模式组合包括（）。A.Canny控制线条+Depth控制立体感B.OpenPose控制动作+IP-Adapter控制角色面部C.Tile控制颜色重映射+Lineart控制素描D.Inpaint控制局部重绘+Shuffle控制内容混淆E.以上所有组合24.影响AI绘画生成结果的因素包括（）。A.提示词的内容和权重B.随机种子C.采样步数D.采样器类型E.使用的显卡型号（仅影响速度，不影响结果确定性）25.关于扩散模型的训练和推理，下列说法正确的有（）。A.训练过程是预测噪声，推理过程是去除噪声B.训练过程需要大量的成对数据（图像和文本描述）C.推理过程可以在没有文本输入的情况下进行（无条件生成）D.推理过程的去噪步数越多，图像质量一定越好E.训练好的模型参数在推理阶段是固定的26.在构建AI绘画工作流时，为了解决“AI画不好手”的问题，可以采取的措施有（）。A.使用ADetailer扩展进行面部和手部重绘B.在提示词中加入“badhands,missingfingers”等负面提示词C.使用ControlNetOpenPose固定手部骨架D.降低生成分辨率E.使用专门针对手部优化的LoRA模型27.下列哪些深度学习架构被应用于生成式图像模型中？（）A.U-NetB.VisionTransformer(ViT)C.GenerativeAdversarialNetworks(GAN)D.VariationalAutoencoders(VAE)E.ResNet28.在准备LoRA训练数据时，数据集处理的关键步骤包括（）。A.图像的裁剪和统一尺寸（如512x512或1024x1024）B.图像的打标C.数据增强（如随机翻转、旋转）D.剔除低质量或模糊的图像E.将所有图像转换为黑白模式29.提示词中常用的混合语法包括（）。A.AND：用于混合多个概念，如`blueskyANDpinksky`B.交替采样：如`[cat|dog]`，在采样过程中从cat逐渐变为dogC.步数绑定：如`[cat:dog:10]`，前10步用cat，之后用dogD.权重调整：如`(word:1.2)`E.转义字符：如`cat`，表示字面意思的括号30.关于2026年AI绘画技术的发展趋势，下列预测合理的有（）。A.3D资产生成将成为标配，直接输出带纹理的3D模型B.视频生成技术将与图像生成彻底融合，实现影视级长视频生成C.模型推理效率将大幅提升，端侧设备（手机）可流畅运行大模型D.版权和伦理问题将得到完美解决，不再存在争议E.基于自然语言的精细化修图（如“把左边这个人的衣服换成红色”）将更加精准三、填空题（本大题共15空，每空1分，共15分。请将正确答案填在题中的横线上。）31.在扩散模型中，向图像添加噪声的过程通常遵循___________分布。32.StableDiffusion模型的官方基础模型（如SD1.5）通常在___________分辨率下进行训练效果最好，这也是为什么默认生成尺寸是512x512的原因。33.在提示词中，若要减少某元素的出现，应将其填入___________框中。34.LoRA全称为Low-RankAdaptation，其中“Rank”指的是矩阵的___________，它决定了LoRA模型的信息容量和文件大小。35.___________是一种类似于LoRA的技术，但它通常用于更细致的风格微调，或者作为StableDiffusionXL（SDXL）中的轻量级微调手段，常被称为“微型LoRA”。36.在图像生成中，___________参数决定了模型在生成过程中对提示词的遵守程度，值越高，画面越接近提示词描述，但也可能降低画面的艺术性和多样性。37.ControlNet通过___________层将控制条件注入到主U-Net或DiT架构中，从而引导生成过程。38.为了在生图中保持特定角色的面部特征一致，除了训练LoRA外，还可以使用___________技术，通过参考图像提取面部特征向量并注入生成过程。39.在采样器设置中，___________参数决定了在去噪过程中每一步的噪声变化幅度，不同的调度器（如Normal,Karras,Exponential）对应不同的时间步表。40.SDXL（StableDiffusionXL）相比SD1.5，引入了两个文本编码器：OpenCLIP和___________，以增强对自然语言的理解。41.___________是一种图像到图像的翻译技术，它允许用户通过简单的草图或涂鸦来修改图像的内容，常用于修改构图或物体形状。22.在ComfyUI中，___________节点用于加载基础的Checkpoint模型。43.扩散模型的反向过程是从纯高斯噪声xT开始，逐步去噪恢复出清晰图像x0，这通常是一个马尔可夫链，步骤44.___________是指在生成图像时，强制模型不使用某些特定资源或风格，常用于防止模型生成特定受版权保护的角色或NSFW内容。45.在训练LoRA时，___________用于指定模型在训练过程中查看数据集的次数，通常设置在10到20次之间。四、判断题（本大题共10小题，每小题1分，共10分。请判断下列说法的正误，正确的打“√”，错误的打“×”。）46.StableDiffusion是一个完全开源的AI绘画模型，而Midjourney和DALL-E3是闭源的商业模型。（）47.采样步数设置得越高，生成的图像细节一定越丰富，因此在实际项目中应该始终将步数设置为最大值（如150）。（）48.VAE（变分自编码器）中的“变分”指的是模型学习的是数据的分布参数（均值和方差），而不是确定的映射。（）49.使用HiresFix（高清修复）时，如果去噪强度设置为0，那么图像将仅进行像素插值放大，不会补充任何AI生成的细节。（）50.在StableDiffusion中，Seed（种子）值-1表示固定种子，每次生成的图像都一样。（）51.ControlNet模型必须与主基础模型的版本完全匹配才能使用（例如SD1.5的ControlNet不能用于SDXL）。（）52.提示词中的顺序不影响生成结果，模型对Token的处理是无序的。（）53.在潜空间进行操作比在像素空间进行操作更高效，因为潜空间的维度更低且包含了图像的主要语义信息。（）54.所有的LoRA模型都可以通过简单的文本提示词触发，不需要在WebUI中额外加载。（）55.AI绘画生成的图像版权完全归属于使用该AI工具的用户，不存在任何法律风险。（）五、简答题（本大题共5小题，每小题4分，共20分。）56.简述潜在扩散模型相比直接在像素空间进行扩散模型的优势（至少两点）。57.请解释ControlNet中的“零卷积”层的作用及其初始化方式。58.在训练特定角色LoRA时，如果训练集图像背景杂乱，可能会对生成结果产生什么影响？如何解决？59.请写出至少三种用于改善AI生成图像中手部缺陷的方法，并简要说明原理。60.简述CFGScale（提示词引导系数）过高或过低时对生成图像的影响。六、综合应用与案例分析题（本大题共3小题，共35分。）61.（10分）项目场景：你需要为一家游戏公司设计一套“赛博朋克风格机械角色”的AI绘画工作流，要求角色姿态可控，且能保持角色ID的一致性。请设计一个基于StableDiffusionWebUI或ComfyUI的技术方案，需包含以下要素：(1)基础模型选择及理由。(2)涉及的关键技术（如LoRA,ControlNet,IP-Adapter等）及其具体作用。(3)简述操作流程或节点连接逻辑。62.（12分）提示词工程分析：给定以下提示词片段：`Positive:(masterpiece,bestquality:1.2),1girl,solo,cyberpunkstyle,neonlights,(wearingfuturisticarmor:1.3),mechanicalarms,intricatedetails,cinematiclighting,8kresolution``Negative:(lowquality,worstquality:1.3),lowres,badanatomy,badhands,text,error,missingfingers,extradigit,fewerdigits,cropped,jpegartifacts``Settings:Steps:30,Sampler:DPM++2MKarras,CFGScale:7.0,Seed:123456789`请分析：(1)该提示词使用了哪些权重语法？分别代表什么含义？(2)采样器DPM++2MKarras的特点是什么？(3)如果生成的图像光影效果过于平淡，你应该如何调整提示词或参数？（至少给出两种方案）(4)负面提示词中“badanatomy,badhands”的作用机制是什么？63.（13分）故障排除与优化：在训练一个特定画风的LoRA模型时，你遇到了以下问题：训练完成后，生成的图像虽然有目标画风，但颜色严重偏色（例如整体泛黄），且一旦提示词中不包含LoRA的触发词，模型就完全失去了生成正常图像的能力（即过拟合/破坏性训练）。请结合训练参数和数据处理知识，分析可能的原因并提出相应的解决方案。要求：(1)分析颜色偏色的可能原因及解决方法。(2)分析“过拟合”或“模型被破坏”的原因及解决方法。(3)给出理想的LoRA训练参数建议范围（包括学习率、Epochs、BatchSize等）。参考答案与解析一、单项选择题1.B[解析]VAE用于将图像压缩到低维潜在空间，减少计算量，同时保留语义信息。2.B[解析]DiT利用Transformer的全局注意力机制，比U-Net更能捕捉长距离依赖和复杂语义。3.C[解析]CFGScale控制无条件预测和有条件预测之间的距离，值越大越贴近提示词。4.C[解析]OpenPose专门用于提取和识别人体骨架姿态。5.A[解析](keyword:weight)是WebUI中标准的权重调整语法。6.B[解析]LoRA通过低秩分解矩阵微调模型，参数量少，训练快。7.A[解析]去噪强度决定了在重绘过程中保留多少原图内容，1.0表示完全重绘，0.0表示不改变。8.B[解析]DPM++2MKarras是目前公认的高质量、高效率采样器之一。9.C[解析]HiresFix先低后高，在潜空间放大并补充细节，避免直接生成高分辨率带来的显存压力和语义重复。10.B[解析]这类词用于提升生成图像的整体画质，被称为质量词。11.B[解析]连接点的颜色和形状代表数据类型，确保逻辑连接正确。12.B[解析]超过75Token会被截断，因此长提示词需要精简或使用分层技术。13.B[解析]IP-Adapter通过图像特征注入，能在保持构图的前提下迁移风格或角色。14.B[解析]WD系列打标器基于Danbooru标签体系，适合二次元；BLIP生成自然语言描述。15.B[解析]这是DDPM前向扩散过程的标准公式，2αt控制信号保留，16.B[解析]蒙版模糊用于软化边缘，使重绘区域与原图融合自然。17.B[解析]复杂场景下，使用区域提示词绑定空间位置是防止特征混淆的有效手段。18.B[解析].safetensors是安全的二进制格式，支持pickle安全加载，目前是主流。19.B[解析]LoRA训练通常使用较小的学习率，如1e-4到1e-5。20.B[解析]LCM/Turbo模型通过一致性蒸馏技术，大幅减少了采样步数，实现实时生成。二、多项选择题21.ACD[解析]图像超分、文生图、风格迁移均属于生成式任务；语义分割和目标检测通常属于判别式任务（尽管也有生成式变体，但典型分类属判别式）。22.ABE[解析]ADetailer,UltimateSDUpscale,Roop是SDWebUI最常用的扩展。23.ABCDE[解析]ControlNet支持多重叠加，上述所有组合在特定场景下都是合理且有效的。24.ABCD[解析]显卡型号主要影响速度，但在相同种子和设置下，不同显卡生成的理论结果是一致的（除非精度计算差异导致微小偏差，通常视为不影响结果确定性）。25.ABCE[解析]步数过多并不一定意味着质量越好，收益递减甚至出现过平滑。26.ABDE[解析]使用ADetailer、负面提示词、专用LoRA、手部ControlNet（虽然OpenPose控制骨架，但有时配合其他ControlNet或Inpaint更有效）均可改善手部。27.ABCDE[解析]这些架构都在不同时期或不同类型的生成模型中发挥了核心作用。28.ABCD[解析]转黑白会丢失颜色信息，通常不需要。29.ABCDE[解析]这些都是WebUI支持的提示词混合语法。30.ABCE[解析]版权和伦理问题在2026年依然存在，不可能“完美解决”。三、填空题31.高斯（或正态）32.512x51233.Negative（负面）34.秩35.LyCORIS（或LoCon）36.CFGScale37.零卷积（或Zero-Convolution）38.IP-Adapter（或React/InstantID）39.Scheduler（调度器）40.CLIPViT-L/14（或G）41.Inpaint（或InstructPix2Pix）42.CheckpointLoader（或LoadCheckpoint）43.100044.Embeddings（文本反演/TextualInversions）45.Epochs（轮次）四、判断题46.√47.×[解析]步数过高会导致效率下降且可能过平滑，通常30-50步即可。48.√49.√50.×[解析]-1表示随机种子，每次生成不同；固定数值才表示固定种子。51.√[解析]不同版本的模型架构差异大，ControlNet通常不通用（虽然有一些转换工具，但原则上不匹配）。52.×[解析]提示词顺序对CLIP处理有影响，越靠前的词权重通常略高。53.√54.×[解析]LoRA必须显式加载到WebUI中才能生效。55.×[解析]AI版权目前法律界定复杂，不能简单归属用户，存在风险。五、简答题56.潜在扩散模型的优势：(1)计算效率高：在低维的潜在空间进行扩散操作，比在高维像素空间计算量大幅减少。(2)语义保留好：VAE训练旨在保留图像的语义信息，去噪过程专注于学习语义结构而非高频噪声细节。57.零卷积层的作用与初始化：作用：作为ControlNet的连接层，将控制图像的特征注入到主模型的U-Net中，同时保持主模型原始权重不变。初始化：初始化为零，确保在训练初期，ControlNet对主模型的输出梯度贡献为零，保证训练的稳定性和安全性。58.训练集背景杂乱的影响及解决：影响：模型可能会学习到背景特征，导致生成时无法将角色与背景分离，或者生成时必须带有特定杂乱背景。解决：(1)使用遮罩或透明背景图进行训练（如使用淡入淡出遮罩）。(2)使用打标工具去除背景相关的标签，或在训练时降低背景标签的权重。(3)对数据集进行预处理，统一扣图或虚化背景。59.改善手部缺陷的方法：(1)ADetailer：自动检测面部和手部区域，进行专门的二次重绘，修复细节。(2)负面提示词：加入“badhands,missingfingers,extrafingers”等，通过文本引导减少错误生成。(3)ControlNet：使用OpenPose或DepthControlNet提供更准确的结构约束。(4)专门的手部修复LoRA：加载经过微调的手部修复模型。60.CFGScale的影响：过低：模型倾向于忽略提示词，生成图像随机性强，可能与描述不符，甚至出现乱码。过高：模型过度拟合提示词，可能导致图像色彩过饱和、细节过度锐化、出现伪影，甚至破坏画面结构。六、综合应用与案例分析题61.技术方案设计：(1)基础模型：选择SDXL1.0或JuggernautXL等realism/semi-realism模型。理由：SDXL在分辨率、语义理解和细节表现上远超SD1.5，适合游戏资产的高标准。(2)关键技术：LoRA：训练一个“机械角色LoRA”以锁定角色的核心外观特征（ID一致性）。ControlNet(OpenPose)：用于导入游戏原画师设计的3D或2D骨架图，精确控制角色的动态姿势。ControlNet(Canny/Line)：可选，用于配合线稿生成，确保机械结构准确。IP-Adapter：可选，用于参考特定的机械设计图或材质图。(3)操作流程：加载SDXL基础模型+角色LoRA。输入正面提示词（描述赛博朋克环境、光照、材质）。加载ControlNet(OpenPose)，上传姿态参考图，模式设置为“ControlNet”。设置生成参数（