텍스트 기반 이미지 편집

ลงชื่อเข้าใช้

텍스처 표현을 개선하기 위해 대상 프롬프트를 ""로 직접 설정하고, 입력 이미지의 구조와 배경을 유지하는 기술을 제안한다.

대조적 탈노이즈 점수(CDS)는 원본 이미지의 구조적 요소를 유지하면서도 타겟 텍스트 프롬프트에 맞게 내용을 변환할 수 있는 균형 잡힌 편집 결과를 제공한다.

Posterior Distillation Sampling (PDS)은 텍스트 프롬프트에 맞춰 매개변수 이미지를 편집하면서도 원본 이미지의 정체성을 유지하는 최적화 방법이다.

제안 방법은 어텐션 기반 잠재 코드 매퍼와 특징 공간 마스킹을 통해 입력 텍스트에 따라 StyleGAN-Human 이미지의 의복을 효과적으로 편집할 수 있다.

텍스트 기반 확산 모델을 활용하여 실시간으로 단일 이미지를 편집할 수 있는 새로운 접근법인 LASPA를 제안한다. LASPA는 이미지 세부 정보를 보존하면서도 텍스트 프롬프트에 따른 편집을 수행할 수 있다.

서로 다른 편집 대상 객체들은 최적의 역전 단계가 다르므로, 이를 개별적으로 처리하고 재조립하는 것이 중요하다.

포지디트는 원본 이미지의 특성을 잘 보존하면서도 효율적으로 텍스트 기반 이미지 편집을 수행할 수 있는 방법을 제안한다.

เกี่ยวกับ

ผลิตภัณฑ์

แหล่งข้อมูล