English(EN) Geometry Preserving Loss Functions Promote Improved Adaptation of Blackbox Generative Model

新损失函数改进黑盒生成模型适应性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了一种新的黑盒生成模型适应流程，解决了在无法直接访问其权重或梯度的情况下定制大规模AI工具的挑战。所提出的方法利用几何保持损失函数与预训练的生成对抗网络（GANs）相结合。通过重新思考GANs反演并保持切空间之间的成对距离，该系统训练了一个潜在的生成模型来生成目标分布的样本，在StyleGANs上的适应性比传统损失函数有所提高。 AI

影响引入了一种新颖的黑盒生成模型适应方法，有可能在无需完全访问模型的情况下，针对特定用例改进定制化。

排序理由这是一篇详细介绍黑盒生成模型新颖适应方法的学术论文。

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Sinjini Mitra, Constantine Kyriakakis, Shenyuan Liang, Anuj Srivastava, Pavan Turaga · 2026-04-28 04:00

Geometry Preserving Loss Functions Promote Improved Adaptation of Blackbox Generative Model

arXiv:2604.23888v1 Announce Type: new Abstract: Adaptation of blackbox generative models has been widely studied recently through the exploration of several methods including generator fine-tuning, latent space searches, leveraging singular value decomposition, and so on. However…

报道来源 [1]

Geometry Preserving Loss Functions Promote Improved Adaptation of Blackbox Generative Model

相关实体

相关话题