PEO: 通过提示嵌入优化实现预训练文生图扩散模型的无训练美学质量增强
计算机视觉与模式识别
2025-10-06 v1
摘要
本文提出了一种在给定简单提示时提升预训练文生图扩散模型美学质量的新方法。我们的方法称为提示嵌入优化（PEO），利用预训练文生图扩散模型作为骨干网络，通过优化给定简单且未经筛选的提示的文本嵌入来增强生成图像的视觉质量。我们通过一个三分目标函数实现这一目标，该函数提升了生成图像的美学保真度，确保对优化后文本嵌入的遵循，以及与初始提示的最小偏离。后者通过提示保持项来实现。此外，PEO是无训练的且骨干网络无关的。定量和定性评估证实了所提方法的有效性，其性能达到或超越了最先进的文生图及提示适配方法。
引用
@article{arxiv.2510.02599,
title = {PEO: Training-Free Aesthetic Quality Enhancement in Pre-Trained Text-to-Image Diffusion Models with Prompt Embedding Optimization},
author = {Hovhannes Margaryan and Bo Wan and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:2510.02599},
year = {2025}
}