用于图像合成个性化的生成式主动学习
计算机视觉与模式识别
2024-04-17 v2
摘要
本文提出了一项试点研究，探讨了传统上在判别模型背景下研究的主动学习在生成模型中的应用。我们特别关注图像合成个性化任务。在生成模型上进行主动学习的主要挑战在于查询的开放式性质，这与判别模型中通常针对单一概念的封闭式查询不同。我们引入了锚点方向的概念，将查询过程转化为一个半开放问题。我们提出了一种基于方向的不确定性采样策略，以实现生成式主动学习并解决利用-探索困境。我们进行了广泛的实验以验证我们方法的有效性，结果表明，与大型公司开发的闭源模型（如 Google 的 StyleDrop）相比，开源模型可以实现更优的性能。源代码可在 https://github.com/zhangxulu1996/GAL4Personalization 获取。
引用
@article{arxiv.2403.14987,
title = {Generative Active Learning for Image Synthesis Personalization},
author = {Xulu Zhang and Wengyu Zhang and Xiao-Yong Wei and Jinlin Wu and Zhaoxiang Zhang and Zhen Lei and Qing Li},
journal= {arXiv preprint arXiv:2403.14987},
year = {2024}
}