遍历文生图扩散模型中的满意度-多样性前沿
英文标题：Traversing the Satisfaction-Diversity Frontier in Text-to-Image Diffusion
最新 arXiv 论文聚焦于文生图（Text-to-Image）扩散模型的生成质量与多样性权衡问题，提出了探索“满意度-多样性前沿（Satisfaction-Diversity Frontier）”的方法。研究指出，基于同一提示词生成的一批图像若要具备实用价值，既需要通过奖励模型最大化贴合用户偏好，又必须在视觉特征上彼此区分以避免雷同。该研究为生成式模型的采样策略优化与多目标偏好对齐提供了新的理论参考，有助于开发者在创意设计与内容检索等场景中大幅提升用户交互与多样本挑选体验。
打开原文相关 2.4 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
遍历文生图扩散模型中的满意度-多样性前沿（Traversing the Satisfaction-Diversity Frontier in Text-to-Image Diffusion）
论文编号：arXiv:2610.02372v1
发布类型：新论文（new）
摘要
文生图生成技术允许用户基于同一提示词（Prompt）探索和对比多张生成的候选图像。为了使这些生成的图像具备实际参考与应用价值，每张图像不仅需要精准反映用户的个性化偏好（通常通过预训练的奖励模型进行量化评估），还必须在视觉层面上与其他图像保持显著差异，以提供真正具有丰富度与多样性的选择空间。
BibTeX 引用格式
(原文暂未提供详细 BibTeX 条目内容)
English / 原文
BibTeX formatted citation
×