giraffe

Giraffe架构将文本映射到视觉嵌入以实现图形设计

研究人员开发了一种名为Giraffe的新型架构，该架构将隐藏文本表示映射到视觉嵌入，用于图形设计生成。该方法每个图像使用单个[IMG]标记，克服了先前需要多个标记并显著增加输入长度的限制。Giraffe架构采用两个浅层MLP块，包含压缩和扩展模块，使用六个不同的损失函数进行训练，并在推理过程中被省略以提高效率。它在图像到设计和文本到设计生成任务中均表现出强大的性能。