text-to-image generation | BriefGPT

关键词text-to-image generation

搜索结果 - 190

便携式操控：文图生成中多功能文字操控艺术作品创作
我们提出了 AnyControl，这是一个支持多种不同控制信号任意组合的多控制图像合成框架，它使用了多模态的嵌入来引导生成过程，实现了对用户输入的整体理解，并通过广泛的定量和定性评估展示了高质量、忠实的生成结果。
PDF5 days ago
微调扩散模型以提升文本到图像生成中的人脸质量
通过评估现有度量标准并开发一种新的面部评分指标（Face Score），本研究提出了一种改进扩散模型以提高生成图像质量的方法。引入指导损失函数用于微调预训练的扩散模型，实验证实了该方法在提高面部质量的同时保持了其一般能力。
PDF8 days ago
纷扰的细粒度反馈：超越赞 / 踩 —— 面向文本到图像生成的挑战
通过对真实数据和合成偏好数据的实验，我们发现精细的反馈不一定总是优于粗略的反馈，根据模型选择、反馈类型和人类判断与计算解释的一致性的相互作用存在的复杂性，我们确定了精细反馈获取和利用的关键挑战，这促使我们重新评估其所假设的优势和实用性。我们
PDF8 days ago
用于文本引导图像编辑的可逆一致性蒸馏方法（约 7 步）
通过应用可逆一致性蒸馏 (invertible Consistency Distillation, iCD) 框架，实现了在少于 4 个推理步骤中高质量图像合成和准确图像编码的目标，使得具有动态引导的 iCD 成为零样本文本引导图像编辑的高
PDF12 days ago
AITTI: 文本到图像生成的自适应包容性标记学习
通过学习自适应的包容性标记，我们提出了一种方法来消除生成模型中出现的陈词滥调偏见，该方法无需明确的属性规范或先验知识。具体而言，我们的方法使用轻量级自适应映射网络定制包容性标记以消除待消除概念的偏见，并通过锚定损失使用少量平衡与包容性样本来
PDF14 days ago
为表达式对象构成设计零件
给定文本提示，通过局部细节控制实现图像生成，以达到更好的图像组合和创造性生成。
PDF18 days ago
CFG++：约束流形的无监督扩散模型分类器引导
通过将文本引导问题重新定义为一个逆问题，并使用基于扩散模型的逆问题求解器，本文提出了一种名为 CFG++ 的新方法来解决传统 CFG 中存在的问题，包括改善文本到图像生成的样本质量、可逆性、减少模式崩溃等方面的显著改进，同时在所有规模上始终
PDF20 days ago
FontStudio: 形状自适应扩散模型用于一致的字体特效生成
我们引入一种新颖的形状自适应扩散模型，能够解释给定形状并在非规则画布内策划像素分布，用于生成多语言字体的文本效果；此外，我们还提出了一种训练免费的、形状自适应的效果转移方法，用于在生成的参考字母和其他字母之间传递纹理和字体效果信息。使用用户
PDF20 days ago
扩散汤：文本到图像扩散模型的模型合并
Diffusion Soup 通过对分片数据上训练的扩散模型的权重进行平均，实现了训练免费的持续学习和遗忘，从而在权重空间中从几何平均的分布中采样，提供反记忆化保证，并实现零样式混合和混合样式的零样生成。
PDF20 days ago
利用 LLaMA-3 对数十亿网络图像进行重新字幕
通过使用 LLaMA-3 构建的 recaptioning pipeline，我们提供了一个改进的数据集 Recap-DataComp-1B，可以显著改善高级视觉语言模型的训练，包括 CLIP 和 text-to-image Diffusi
PDF20 days ago
MS-Diffusion：基于布局引导的多主体零样本图像个性化
我们的研究引入了 MS-Diffusion 框架，用于基于布局指导的零样本图像个性化处理多主题，融合了引用令牌和特征重采样以保持细节的准确性，并通过跨主题注意力来实现各自主题条件对特定区域的影响，通过全面的定量和定性实验，证明该方法在图像和
PDF21 days ago
图像文本化：一种自动创建准确详细图像描述的框架
通过结合现有的多模态大语言模型（MLLMs）与多个视觉专家模型，我们提出了一种名为图像文本化（IT）的创新框架，以最大程度地将视觉信息转化为文本，自动生成高质量的图像描述。我们还提出了几个综合评估基准来验证我们框架所创建的图像描述的质量，显
PDF21 days ago
统一的文本到图像生成和检索
研究中，我们提出了一个统一框架，以多模态大型语言模型（MLLMs）为背景，探索了文本到图像生成和检索之间的关系，并引入了一种生成检索方法，在无需训练的情况下进行检索。我们还构建了一个基准测试集 TIGeR-Bench 以标准化统一的文本到图
PDF23 days ago
基于生成数据集的正则化训练：仅包含名称的视觉 - 语言模型转化
通过对生成图像进行微调，本文研究目的是解决在生成的数据集上微调以特定分类模型的视觉 - 语言模型时所面临的挑战，并提供两种正则化方法来克服实际图像与生成图像之间的领域差异。经过广泛的实验验证，所提出的分析和正则化技术有效减轻了一直被忽视的领
PDF24 days ago
PQPP: 文本到图像提示和查询性能预测的联合基准
基于人工判断，我们引入了第一个在图像生成性能方面手动标注的提示数据集，并且在图像检索中收集了手动标注的检索结果，从而确定相同提示在图像生成和图像检索中的困难程度。我们提出了第一个综合评估图像生成和图像检索中提示 / 查询性能困难程度的基准，
PDF25 days ago
Lumina-Next: 用 Next-DiT 让 Lumina-T2X 更强更快
Lumina-Next 是一种改进的 next-generation generative AI，使用 diffusion transformers 进行 text-to-image generation 和 multilingual ge
PDFa month ago
Inv-Adapter：基于图像反转和轻量级适配器的 ID 个性化生成
利用预训练的文本图像模型通过 DDIM 图像反转提取 ID 图像的传播域表示，不需要额外的图像编码器，然后通过精心设计的轻量级注意力适配器将提取的 ID 提示特征和文本图像模型的中间特征有效地嵌入到基础文本图像模型中，从而为 ID 定制生成
PDFa month ago
一步文本图像生成中的长短导向分数身份蒸馏
通过发展长短分类器无指导（LSG）的方法，我们改进了基于得分身份蒸馏（SiD）的稳定扩散模型，该模型在不使用真实训练数据的情况下，通过单步生成器合成的虚假图像进行培训，迅速提高了 FID 和 CLIP 得分，实现了最先进的 FID 性能，并
PDFa month ago
跨模态上下文学习实现多模态生成
本研究提出了一种利用大型语言模型和扩散模型的多模式生成方法（MGCC），通过在 LLM 嵌入空间中显式学习文本和图像之间的跨模式依赖关系以及生成特定于多物体场景的对象边界框，实现了从复杂的多模式提示序列中生成新图像的能力，并在两个基准数据集
PDFa month ago
文本到图像生成 AI 系统的自动越狱
最近的 AI 系统在各种任务上展现了极强的性能，甚至超过了人类的表现，包括基于大型语言模型（LLMs）的信息检索、语言生成和图像生成。然而，由于绕过 LLMs 的对齐而产生恶意内容的各种安全风险，通常被称为越狱，而以文本为基础的 LLMs
PDFa month ago