PulseAugur
中
实时 04:40:41

新数据集和损失函数提高了图像编辑模型中的对象一致性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 ABO-Edit，这是一个包含超过 12,000 个图像三元组的新数据集，用于评估文本引导图像编辑中的对象一致性。他们还提出了 FlowMirror，一种利用图像编辑校正流模型一个被忽视的属性的无参数辅助损失。该属性涉及条件嵌入空间，即使在高噪声水平下也能预测最终图像。通过监督此嵌入空间，FlowMirror 提高了生成质量，而无需进行架构更改。 AI

影响 增强了图像编辑中的对象一致性，可能提高了生成式AI应用中的用户控制和真实感。

排序理由 该集群描述了一篇新的学术论文，其中详细介绍了一种用于改进图像编辑模型的新颖数据集和方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新数据集和损失函数提高了图像编辑模型中的对象一致性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Artur Bekasov ·

    DiTailed：确保文本-图像到图像流匹配模型中的视觉对象一致性

    Despite remarkable progress in text-guided image editing, generative models frequently fail to preserve visual object consistency, defined as the preservation of a subject's key attributes throughout the editing process. We address this limitation through three contributions. Fir…

相关实体

相关话题