Derniers articles pour Génération d'image

Examiner le biais de genre dans les modèles T2I à travers le test des stéréotypes appariés.

Une nouvelle approche améliore la sécurité des images dans les modèles de texte à image grâce à l'optimisation des invites.

MuLan améliore la génération d'images à partir de texte en décomposant les tâches en étapes plus simples.

Un regard critique sur les vraies capacités des Réseaux Antagonistes Génératifs.

Un aperçu du cadre ProTIP pour évaluer les modèles de génération d'images IA.

Skip-Tuning améliore la qualité des images dans les modèles de diffusion grâce à des connexions de saut affinées.

Un aperçu des modèles de diffusion et de leur impact sur l'IA générative.

Une nouvelle méthode améliore la précision de la génération d'images en utilisant des modèles vision-langage.

Une méthode pour améliorer les performances des GAN avec des données déséquilibrées.

Une nouvelle approche s'attaque aux étiquettes bruyantes dans les modèles d'apprentissage automatique.

Une nouvelle méthode pour améliorer les modèles de texte à image avec efficacité et qualité.

Nouveau dataset améliore comment les modèles représentent les relations spatiales dans les images générées.

Cette étude explore des méthodes basées sur des clusters pour améliorer la génération d'images.

LD3M améliore la distillation de datasets en utilisant l'espace latent et des modèles de diffusion pour des résultats meilleurs.

De nouvelles méthodes visent à améliorer la création d'images humaines à partir de descriptions textuelles.

La méthode ParaTAA accélère considérablement la création d'images sans perdre en qualité.

Une nouvelle approche améliore la cohérence et la qualité des images dans les tâches de visualisation d'histoires.

Un nouvel encodeur de texte s'attaque aux défis du rendu visuel du texte.

Switch-DiT améliore la génération d'images grâce à des relations de tâches de débruitage innovantes.

Examiner les problèmes de mémorisation dans les images générées par l'IA et ses implications.

RG-LCD améliore la génération d'images à partir de texte, s'alignant efficacement avec les préférences humaines.

Nouveau modèle crée des images réalistes à partir des caractéristiques d'identité en utilisant l'apprentissage automatique.

LoRA-Composer rend plus facile de combiner des idées pour des images plus claires et créatives.

Cette méthode améliore l'efficacité de StyleGAN tout en préservant la variété des images.

Une nouvelle méthode pour améliorer les modèles de diffusion tout en gardant la diversité dans les résultats générés.

De nouvelles méthodes protègent les données personnelles dans la génération d'images.

Une nouvelle méthode améliore le contrôle sur les biais de génération d'images.

Un aperçu de l'utilisation de l'apprentissage actif pour améliorer les performances des modèles génératifs.

Cette étude met l'accent sur la qualité plutôt que sur la quantité dans les données d'entraînement pour la génération d'images.

Une nouvelle méthode pour évaluer la nouveauté dans les résultats de l'IA générative.

Une nouvelle méthode améliore la génération d'images à partir de texte avec des transitions fluides et une haute qualité.

PAG améliore la qualité des images sans formation ou invites supplémentaires, en améliorant les techniques de génération.

Une nouvelle méthode améliore la génération d'images à partir d'images personnelles.

Cette méthode simplifie le mélange de différents modèles LoRA pour une génération d'images de haute qualité.

Une nouvelle méthode améliore la façon dont les modèles représentent les relations entre les objets dans les images générées.

Cette étude se concentre sur l'amélioration de la précision spatiale dans la génération d'images à partir de texte.

Des recherches montrent des façons d'améliorer les systèmes de texte en image de manière efficace et économique.

Le dataset MuLAn améliore le contrôle dans la génération d'images à partir de texte grâce à des annotations en couches.

Ce boulot se concentre sur l'effacement des concepts indésirables des modèles texte-image.

Une nouvelle méthode améliore les modèles de texte-à-image pour mieux représenter l'identité.