通过美学梯度个性化文本到图像生成
计算机视觉与模式识别
2022-09-27 v1 机器学习
摘要
本工作提出美学梯度，一种通过将生成过程引导至用户从一组图像定义的自定义美学，来个性化 CLIP 条件扩散模型的方法。该方法使用近期的 stable diffusion 模型与多个经美学过滤的数据集，通过定性与定量实验进行了验证。代码发布于 https://github.com/vicgalle/stable-diffusion-aesthetic-gradients
引用
@article{arxiv.2209.12330,
title = {Personalizing Text-to-Image Generation via Aesthetic Gradients},
author = {Victor Gallego},
journal= {arXiv preprint arXiv:2209.12330},
year = {2022}
}
备注
Submitted to NeurIPS 2022 Machine Learning for Creativity and Design Workshop