テキストから画像への生成

Logg Inn

innsikt - テキストから画像への生成

PuLIDは、IDフィデリティを高く維持しつつ、元のモデルの振る舞いへの影響を効果的に低減する新しいチューニングフリーのIDカスタマイズ手法を提案する。

物体指向の属性結合損失と物体の注意集中度を調整することで、テキストから画像への生成における物体の遺漏と属性の誤結合の問題を解決する。

ランニは、言語の表現力を補完するためにセマンティックパネルを導入することで、テキストから画像への生成の精度を向上させる。

提案手法MC2は、別々に訓練された異種のシングルコンセプトカスタマイズモデルを統合し、複数のカスタマイズされたコンセプトの自然な合成を可能にする。追加の訓練なしで、柔軟性と忠実度の向上を実現する。

テキストから画像への拡散モデルを、人間の効用を最大化することで整列させる。ペアの好み情報を収集する必要がなく、単純なイメージごとのバイナリフィードバックのみで学習できる。

MuDIは、セグメンテーションを活用することで、複数の主体のアイデンティティを効果的に分離し、高品質な個別化画像を生成することができる。

本研究では、参照画像からのスタイルと内容の効果的な分離を実現する2つの簡単かつ強力な手法を提案する。これにより、スタイル移転の性能を大幅に向上させ、重みチューニングの必要性を排除することができる。

潜在拡散モデルのサイズを39Mから5Bまで変化させることで、同じ推論コストでより小さなモデルが大きなモデルよりも優れた性能を発揮することを発見した。

現在のテキストから画像への生成モデルは、テキストプロンプトで指定された空間関係を一貫して生成することができない。本研究では、この課題に取り組むため、大規模な空間関係に焦点を当てたデータセットを開発し、効率的な学習手法を提案することで、空間的整合性を大幅に向上させている。

ディフュージョンモデルの高速かつ高品質な画像生成を実現するため、人間の好みに基づいてノイズ分布を最適化する。

Produkter

Ressurser