CVPR'24：文生圖提示詞自動優化，還發現三個小竅門，人大度小滿等機構出品

AIGC動態歡迎閱讀

原標題：CVPR'24：文生圖提示詞自動優化，還發現三個小竅門，人大度小滿等機構出品
關鍵字：提示,文本,圖像,權重,數據
文章來源：量子位
內容字數：0字

內容摘要：

PAE團隊 投稿至 凹非寺量子位 | 公眾號 QbitAI文生圖也有自己的prompt優化工具了。
我們都知道，大模型輸出的質量，很大程度上依賴于輸入的prompt。尤其在文生圖領域，對于prompt格外敏感。
來自中國人大、度小滿等團隊提出了一種全新的自動文本提示優化方法——動態提示自動編輯（Prompt Auto-Editing，PAE）。
它考慮了文本提示中的每個詞在擴散生成過程的權重和注入時間步。
最終在多個公開數據集上進行了實驗驗證，包括Lexica.art、DiffusionDB和COCO。PAE方法不僅提高了圖像的美學質量，還確保了圖像與文本描述的語義一致性。
與傳統方法相比，PAE在控制圖像生成過程中的精確性和靈活性方面表現更優。
關鍵在動態prompt當前，盡管用戶可以通過手動修改提示來嘗試生成更優質的圖像，但這一過程不僅效率低下，而且難以精確控制。
為了提高效率并優化生成結果，團隊研發了PAE方法，這一方法的關鍵在于采用了動態提示（Dynamic Prompts）。
首先是為用戶輸入的簡短提示詞擴充出更多修飾詞，其次是通過動態調整新添加的修飾詞的權重和注入時間步，自

原文鏈接：CVPR'24：文生圖提示詞自動優化，還發現三個小竅門，人大度小滿等機構出品

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破