textual prompts | BriefGPT - AI 论文速递

关键词textual prompts

搜索结果 - 12

定位，分配，细化：通过文本主题引导驯服定制图像修复
LAR-Gen 是一种图像修复方法，可以无缝地修复遮挡的场景图像，结合了文本提示和指定主题，通过粗到细的方式保证主题身份保持和本地语义一致性，并引入了一种新的数据构建流程来解决稀缺训练数据的问题，广泛的实验和各种应用场景展示了 LAR-Ge
PDF3 months ago
多模态集成如何提升 LLM 在优化中的性能：基于车辆路径问题的案例研究
通过使用多模式大语言模型处理文本和视觉提示，我们提出一种增强优化性能的方法，在深入理解处理的优化问题方面提供了更综合的视角，类似于人类的认知过程。通过对一个众所周知的组合优化问题进行广泛的实证研究，我们评估了该方法的有效性，并与仅依赖于文本
PDF4 months ago
大规模优化：野外照片逼真图像修复模型的尺度提升
SUPIR 是一种突破性的图像修复方法，利用生成先验和模型扩容的力量，通过多模式技术和先进的生成先验，显著提升智能和真实图像修复的能力。通过 20 百万高分辨率、高质量图像的数据集进行模型训练，支持通过文本提示进行图像修复，并引入负质量提示
PDF5 months ago
HexaGen3D：稳定扩散仅一步之遥，实现快速和多样化的文字到 3D 生成
使用预训练的 2D 扩散模型，HexaGen3D 有效地从文本提示中生成高质量的 3D 资产，并展示出对新对象或组合的强大推广能力。
PDF6 months ago
HOI-Diff: 使用扩散模型基于文本驱动合成的三维人 - 物交互
我们研究了通过文本指令生成逼真的三维人 - 物互动问题。我们采用模块化设计，将复杂任务分解为简单子任务。我们开发了双分支扩散模型（HOI-DM）来生成人和物体的动作，并通过人和物体动作生成分支之间的交叉注意力通信模块来促进一致的动作。我们还
PDF7 months ago
VideoAssembler: 利用扩散模型进行参考实体一致性视频生成
VideoAssembler 是一种新颖的端到端框架，用于保持一致的身份生成视频，并可直接进行推理，以适应新实体的要求。它能够在灵活处理输入参考实体的同时，对文本条件作出响应，还可以根据输入图像的数量进行任务执行，从图像到视频生成到复杂的视
PDF7 months ago
通过可学习区域实现基于文本的图像编辑
这篇论文介绍了一种基于文本提示的区域图像编辑方法，无需用户提供的掩码或草图，通过利用现有的预训练文本到图像模型和引入边界框生成器来找到与文本提示对齐的编辑区域，实现了与当前图像生成模型兼容的灵活的编辑，并处理了包含多个对象、复杂句子或长段落
PDF7 months ago
ECO: 基于集成上下文优化的视觉语言模型
通过学习图像分类的一系列提示信息，我们证明了与仅仅依赖一个可训练提示相比，学习多样和可能更短的上下文能够在推理时间不增加额外成本的情况下显著和一致地提高结果，在 11 个不同基准测试中显示了我们方法的能力。
PDFa year ago
从自然语言描述生成参数化 BRDF
本文提出一种使用机器学习从文本描述生成双向反射分布函数的模型，以帮助快速生成 3D 环境材质参数表达式并实现交互式编辑。
PDFa year ago
EMNLP文本生成的时间感知提示
探讨利用时间戳，如文档创建日期，将时间信息纳入到生成系统中的影响，研究时间感知提示的两种类型，并引入一个新的数据生成数据集 TempWikiBio，通过数据生成、文本传输和摘要三个数据集展示了使用线性提示和文本提示可以提高所有数据集的生成质
PDF2 years ago
Phenaki: 从开放领域文本描述生成可变长度的视频
该研究提出了一种名为 Phenaki 的模型，它可以根据一系列的文本提示生成逼真的视频。
PDF2 years ago
EMNLP预训练语言模型的对比演示调整
本文提出一种新颖的对比演示调整方法，它是可插拔、可扩展和高效的，可用于调整预先训练的语言模型来执行分类任务。实验结果表明，这种方法与先前的方法 LM-BFF 和 P-tuning 相结合可以提高性能。
PDF2 years ago