visual content generation | BriefGPT

关键词visual content generation

搜索结果 - 7

弥合意图鸿沟：知识增强的视觉生成
通过分析和识别现有生成模型所面临的关键挑战并引入人类见解、预训练模型、逻辑规则和世界知识等多种知识源，本文提出了一种知识增强的迭代优化框架用于视觉内容生成，其中引入了知识反馈模块来逐步改进生成过程，从而提高生成内容与用户意图之间的一致性。通
PDF2 months ago
SyncTweedies: 基于同步扩散的通用生成框架
通过同步多个扩散过程，我们引入了一个生成多样化视觉内容（包括模糊图像、全景图像、网格纹理和高斯斑点纹理）的通用框架，并通过一个标准空间对同步多个扩散过程的所有可能情况进行了详尽研究，并分析了它们在各种应用中的特点。在此过程中，我们揭示了一个
PDF4 months ago
人工智能生成图像的跨领域检测的工艺特征净化
在 AIGC 时代，通过提出 Artifact Purification Network (APN) 来解决生成图像中的伪造问题，该方法通过显性和隐性净化过程从生成图像中提取伪造相关特征，实现了跨生成器和跨场景的高性能伪造检测。
PDF4 months ago
个性化扩散模型的迭代反馈
这项研究探讨了将人类反馈纳入基于扩散的文本到图像模型生成过程中的策略，提出了一种适用于广泛扩散模型的无需训练的方法，利用自注意力层来在扩散过程中给出一组反馈图像条件。通过详尽分析显示，通过多轮迭代反馈，生成结果得到改善，隐含地优化任意用户偏
PDFa year ago
在统一的视觉模态上将扩散概率场扩展至高分辨率
提出了一种新的模型，该模型结合了以视图为基础的采样算法和额外的指导信息，例如文本描述，用于细节结构学习，使得模型能够扩展到高分辨率数据，统一多种模态下的视觉内容生成。实验结果证明了模型的有效性，以及其作为可伸缩性模态统一视觉内容生成的基础框
PDFa year ago
看不见的不一定是不存在的：人类对人工智能生成的图像的感知的定量研究
本研究探究当前最先进的基于人工智能技术的视觉内容生成模型是否可以始终欺骗人类眼睛和传达错误信息，并通过高质量的定量研究揭示，人类不能在很大程度上区分真实的照片和人工智能创造的虚假照片。
PDFa year ago
CVPRIntelligent Home 3D: 仅使用语言描述自动生成 3D 住宅设计
本文提出了一种基于自然语言输入的房屋设计生成模型，通过生成结构图和内部纹理来实现 3D 房屋模型设计。
PDF4 years ago