text-to-image | BriefGPT - AI 论文速递

关键词text-to-image

搜索结果 - 97

MuseumMaker: 持续自定义样式，避免灾难性遗忘
提出了 MuseumMaker 方法，使用预训练的大型文本到图像（T2I）模型，通过遵循一系列定制风格的方式不断地合成图像，并作为一个博物馆逐渐积累这些创造性的艺术作品。MuseumMaker 能同时捕捉新风格的细微差别，并保持已学习风格的
PDF25 days ago
利用大规模视觉语言模型进行合成图像检测
利用先进的视觉语言模型（VLMs）对合成图像进行识别的效果进行了研究，并通过调整最先进的图像字幕模型，利用大型 VLMs 的强大理解能力区分真实图像和扩散基模型生成的合成图像。
PDF2 months ago
CVPRCosmicMan：一种用于人类的文本到图像基础模型
CosmicMan 是一个专门用于生成高保真度人类图像的文本转图像模型，通过引入新的数据和模型视角，实现了生成具有细致外观、合理结构和精确文图对齐的真实人类图像；其中的核心成功因素包括数据质量、可扩展的数据生成流程和文图对齐问题的解决。
PDF2 months ago
通过识别语义方向在 T2I 模型中实现连续、个体化的属性控制
通过观察在常用的基于标记级别的 CLIP 文本嵌入中存在与高级属性进行主题特定的精细控制的方向，我们提出了一种有效的无优化方法和一种稳健的优化方法，以从对比文本提示中识别出特定属性的这些方向。我们演示了这些方向可以用于以组合方式增强提示文本
PDF2 months ago
AGFSync: 利用 AI 生成的反馈进行文本到图像生成中的偏好优化
通过直接偏好优化（DPO）在完全人工智能驱动的方法中利用视觉 - 语言模型（VLM）评估图像质量，AGFSync 将 T2I 扩散模型改进，应用于 T2I 的核心模型并在 TIFA 数据集上显示出显著改善。
PDF2 months ago
利用可学习的提示在文本到图像生成模型中去除不需要的概念
我们提出了一种新的方法，通过将可学习提示引入交叉注意力模块，从文本到图像生成模型中去除不良概念。这种可学习提示作为额外的记忆来传递不良概念的知识，并减少这些概念对模型参数和对应文本输入的依赖。通过这种知识传递，擦除这些不良概念更稳定，并对其
PDF2 months ago
稳定服装：通过稳定扩散进行基于服装的生成
StableGarment 是一个统一框架，用于解决以服装为中心的生成任务，包括文本到图像、可控的文本到图像、风格化的文本到图像和鲁棒的虚拟试衣。通过开发一个具有加性自注意力 (ASA) 层的服装编码器和专用的试衣 ControlNet，以
PDF2 months ago
分块 LoRA：再探文本到图像生成中的细粒度个性化和风格化
个性化和风格化在文字到图像的任务中都是指导预训练扩散模型分析用户引入的新概念，并将其融入预期的风格。我们提出了基于块级低秩适应（LoRA）的精细调整方法，用于不同块的 SD 进行细粒度的调整，能够生成忠实于输入提示和目标身份且具有所需风格的
PDF2 months ago
一个类别一个提示：使用扩散模型进行数据集精炼
利用生成式文本到图像模型的最新进展，我们引入了数据集精炼使用扩散模型 (D3M) 作为一种新的数据集精炼范式。通过文本反演技术，我们利用学习到的文本提示为大型数据集创建简洁且有信息量的表示，以在固定的内存预算内有效地存储和推理新样本，并通过
PDF2 months ago
基于直接一致性优化的文本到图像个性化
通过最大化与参考图像的一致性并惩罚与预训练模型的偏差，我们提出了一种通过最小程度微调预训练模型以实现一致性的 T2I 扩散模型的新型训练目标，称为 “直接一致性优化”。我们的方法不仅简单而且显著提高了个性化 T2I 模型的组合能力，并引入了
PDF3 months ago
基于视觉概念驱动的文字到图像扩散模型的图像生成
我们提出了一个概念驱动的文本到图像（TTI）个性化框架，通过学习用户提供的图像示例中的概念，以及一种交替优化过程，进一步改进了现有的 TTI 模型，使其能够生成具有多个交互概念的图像。
PDF3 months ago
安全文本到图像生成的通用提示优化器
我们提出了第一个用于黑盒情况下安全 T2I 生成的通用提示优化器，通过构建毒性 - 清洁提示对数据集，设计奖励函数衡量生成图像的毒性和文本对齐度来训练优化器，实验证明我们的方法可以显著减少不当图像的生成概率，并且对文本对齐没有明显影响，同时
PDF3 months ago
ICLR获取你想要的，而不是你不想要的：用于文本到图像扩展模型的图像内容抑制
利用 $ extit {软加权正则化}$ 和 $ extit {推理时文本嵌入优化}$ 的方法，本论文通过分析如何操作文本嵌入，并从中消除不需要的内容，解决了最近文本到图像扩散模型无法有效抑制生成不需要的内容的问题。并通过量化和定性的实验证
PDF3 months ago
$λ$-ECLIPSE: 利用 CLIP 潜在空间通过多概念个性化的文本到图像扩散模型
通过引入 lambda-ECLIPSE，我们提出了资源效率更高的单一、多主题和边缘引导的个性化文本到图像生成模型，解决了传统方法中对扩散模型潜空间依赖性的限制。
PDF3 months ago
StyleInject：文本到图像扩散模型的参数高效调优
通过引入 StyleInject，一种针对文本到图像模型的特殊微调方法，以对抗传统的 LoRA 方法在图像生成方面的不足，我们能够显著减小对原始模型的文本 - 图像对齐能力的影响，同时能够在转移学习中灵活地适应不同风格，通过大量实验证明 S
PDF4 months ago
4DGen: 基于时空一致性的基于地面的 4D 内容生成
4DGen 是一种新颖的综合框架，将 4D 内容创建任务拆分为多个阶段，利用静态 3D 资产和单目视频序列作为构建 4D 内容的关键组成部分，使用动态 3D Gaussians 构建 4D 表示，在训练期间利用渲染进行高分辨率监督，从而实现
PDF5 months ago
面向多模态生成的生成人工智能系统影响
对新兴的多模态文本到图像和文本到视频工作负载进行深入的系统性能表征是设计高效和可部署系统的关键第一步。
PDF5 months ago
分离增强：用于文本到图像扩散模型的组合调优
通过引入两种新目标函数（Separate loss 和 Enhance loss），减少物体遮挡区域重叠和最大化注意力分数，本研究提出了一个与传统方法不同的图文生成模型，通过关键参数的微调提高了其可扩展性和通用性，在图像真实性、文本 - 图
PDF5 months ago
RAVE：基于扩散模型的快速一致视频编辑的随机噪声重排
通过引入 RAVE 方法，我们在视频编辑领域取得了显著成果，能够利用预训练的文本到图像扩散模型进行零样本视频编辑，生成高质量视频并保持原始运动和语义结构。RAVE 采用了一种新颖的噪声重排策略，在帧之间的时空交互中产生了时间上的一致性视频，
PDF5 months ago
BIVDiff：基于图像和视频扩散模型的无需训练的通用视频合成框架
我们提出了一个无需训练的通用视频合成框架，命名为 BIVDiff，通过将特定的图像扩散模型与通用文本到视频基础扩散模型相结合，既实现了强大的任务泛化能力，又具有高效性。
PDF5 months ago