ProCreate，别再复制！创意生成的推动能扩散
计算机视觉与模式识别
2024-08-08 v2
摘要
本文提出了 ProCreate，这是一种简单且易于实现的方法，用于提高基于扩散的图像生成模型的样本多样性和创造力，并防止训练数据复制。ProCreate 针对一组参考图像，在生成过程中主动推动生成图像的嵌入向量远离参考嵌入向量。我们提出了 FSCG-8（Few-Shot Creative Generation 8），这是一套针对八个不同类别的少样本创意生成数据集，涵盖不同的概念、风格和设置。在该数据集上，ProCreate 实现了最高的样本多样性和保真度。此外，我们在使用训练文本提示进行大规模评估时表明，ProCreate 在防止复制训练数据方面有效。代码和 FSCG-8 可在 https://github.com/Agentic-Learning-AI-Lab/procreate-diffusion-public 获取。项目页面可在 https://procreate-diffusion.github.io 访问。
引用
@article{arxiv.2408.02226,
title = {ProCreate, Don't Reproduce! Propulsive Energy Diffusion for Creative Generation},
author = {Jack Lu and Ryan Teehan and Mengye Ren},
journal= {arXiv preprint arXiv:2408.02226},
year = {2024}
}
备注
Accepted to ECCV 2024. Project page: https://procreate-diffusion.github.io