text-to-image generative models | BriefGPT

关键词text-to-image generative models

搜索结果 - 69

通过自动提示优化提升文本到图像的一致性
通过利用大型语言模型，在文本到图像的生成模型中改善提示 - 图像的一致性，我们的方法能够提高一致性得分、保持图像质量和提高生成图像与真实数据之间的相似度，为构建可靠且强大的文本到图像模型铺平了道路。
PDF3 months ago
一致性模型的强化学习：更快的奖励引导文本到图像生成
通过强化学习调优一致性模型，我们提出了一种能够针对任务特定奖励实现快速训练和推理的框架，该框架名为迭代学习一致性模型（RLCM）。与使用提示进行训练的强化学习调优扩散模型相比，RLCM 训练速度更快，根据奖励目标改进了生成的质量，并通过最多
PDF3 months ago
CVPRFlashEval：面向快速准确的文本到图像扩散生成模型评估
近年来，文本到图像生成模型的发展取得了显著进展。我们提出了一种评估效率的方法，通过选择文本 - 图像数据集的代表性子集来改善模型评估过程。我们研究了设计选择，包括选择标准和选择粒度，并提出了一种名为 FlashEval 的迭代搜索算法。在
PDF3 months ago
评估文本与图像生成模型：人类图像合成的实证研究
我们在本文中提出了一种经验研究，介绍了一种用于文本到图像（T2I）生成模型的细致评估框架，应用于人类图像合成。我们的框架将评估分为两个不同的组别：第一组主要关注美学和真实性等图像质量，第二组则检验文本条件，包括概念覆盖和公平性。我们引入了一
PDF4 months ago
HanDiffuser: 使用真实手表现生成文本 - 图像
HanDiffuser 是一种基于扩散的新型架构，通过在生成过程中注入手部嵌入信息，生成具有逼真手部的图像。它包括两个组件：Text-to-Hand-Params 扩散模型用于从输入文本生成 SMPL-Body 和 MANO-Hand 参数
PDF4 months ago
基于再生的无需训练的文本图像生成模型伪造图像的归因
通过反转图像的文本提示并将重构的提示放入不同的候选模型中来重新生成候选伪图片，通过计算并排序测试图片与候选图片的相似性，我们可以确定图片的来源模型，从而使模型的所有者对其模型的任何滥用负有责任。
PDF4 months ago
Playground v2.5：提升文本到图像生成中的美学质量的三个洞察
本研究探讨了在文本到图像生成模型中实现最先进的美学质量的三个关键点：增强颜色和对比度，改善多个宽高比的生成，改善以人为中心的细节。通过深入分析和实验，Playground v2.5 在各种条件和宽高比下展现了最先进的美学质量表现，优于常用的
PDF4 months ago
DiffuseKronA：一种适用于个性化扩散模型的参数高效微调方法
DiffuseKronA 是一种基于 Kronecker 乘积的适应模块，通过显著减少参数数量（与 LoRA-DreamBooth 相比减少 35％，与原始 DreamBooth 相比减少 99.947％）和提高图像合成质量，解决了文本到图
PDF4 months ago
Groot：基于树状语义转换的生成式文本转图像模型的对抗性测试
通过引入基于树形语义转换的自动化框架 Groot，以及语义分解和敏感元素淹没策略，Groot 显著提高了文本到图像模型的对抗测试的性能和成功率。
PDF5 months ago
CreativeSynth：基于多模态扩散的视觉艺术创作与综合
通过创新的统一框架 CreativeSynth，将基于扩散模型的多模态输入协调和多任务合作引入艺术图像生成领域，以实现真实世界语义内容的逆向和实时样式转移，精确操纵图像样式和内容，同时保持原始模型参数的完整性，旨在提升艺术图像的保真度和保持
PDF5 months ago
VASE：真实视频的物体中心外观和形状操作
通过引入基于对象的框架，我们的研究工作在图像驱动的视频编辑任务中表现出与最先进方法相似的性能，并展示了新的形状编辑能力。
PDF6 months ago
深度伪造技术的语言特征分析：用于下一代深度伪造检测的开放数据库
该研究纸介绍了一个深度伪造数据库（DFLIP-3K），它包含了大约 3K 个生成模型的约 300K 个多样化的深度伪造样本，并收集了约 190K 个这些伪造样本的语言特征，旨在促进深度伪造检测的语言建模、模型识别和提示预测等领域的研究和发展
PDF6 months ago
RealCraft：关注控制：零样本长视频编辑的解决方案
在这篇论文中，我们提出了一种基于注意力控制的方法，名为 RealCraft，用于零样本编辑实际视频。通过在提示和帧之间进行对象为中心的处理，并在帧内使用时空注意力，我们实现了精确的形状编辑以及增强的一致性。我们的模型可以直接与稳定的扩散一起
PDF7 months ago
稳定河流：基于文本到图像生成模型的土壤科学应用案例研究
文本到图像生成模型在地球科学中具有潜在应用价值，并且需要注意其中的偏见和培养现有偏见的问题。本研究以河流地貌学为案例，评估了训练数据中的主题相关偏见和 Stable Diffusion 模型的性能。虽然训练数据存在偏见，但通过谨慎的提示，S
PDF7 months ago
分治攻击：利用 LLM 的威力绕过文本到图像生成模型的审查
通过将 LLMs 生成的对抗性提示用于 GPT-4 辅助 DALLE-3，引入了一种称为分治攻击的方法，绕过了文本到图像模型的安全过滤器，可能对安全性产生更严重的影响。
PDF7 months ago
FERGI: 从自发面部表情反应生成文本到图像的自动用户偏好注释
利用面部表情分析进行自动注释，以解决人类偏好反馈数据的收集速度问题，并展示了多个面部动作单元与用户对生成图像的评估高度相关。面部动作单元 AU4 最能反映图像的质量评估，可以用于自动注释用户对图像偏好，并与评分模型结合以提升一致性，同时也能
PDF7 months ago
TIBET: 文本到图像生成模型中的偏见识别和评估
我们提出了一种通用方法，通过反事实推理来研究和量化任何文本到图像生成模型和任何提示的广泛偏见和偏差，并以语义概念的形式扩展了定量评分。
PDF7 months ago
文本到图像生成模型的概率版权保护可能失败
通过对文本到图像生成模型进行持续交互和扩大每次交互的成功概率，我们引入了一种名为 VA3 的创新在线攻击框架，揭示了这些保护机制的漏洞，并详细论证了在文本到图像生成模型的实际应用中实施概率版权保护的潜在风险。
PDF7 months ago
文本到图像扩散模型中的空间理解解锁
我们提出了 CompFuser，这是一个图像生成管道，可以增强文本到图像生成模型中的空间理解和属性分配。该管道能够解释定义场景中物体之间空间关系的指令，并生成相应的图像，为用户提供更多的控制。通过在生成多个对象时将其解码成迭代步骤：首先生成
PDF7 months ago
推导出您的布局：从大型语言模型中归纳出用于文本到图像合成的布局模式
利用大型语言模型作为布局生成器，改进了文本到图像生成模型，通过生成合理的对象布局来增强图像的构图和空间准确性，从而提高了图像质量。
PDF7 months ago