CVPR'24：文生图提示词自动优化，还发现三个小窍门，人大度小满等机构出品

AIGC动态欢迎阅读

原标题：CVPR'24：文生图提示词自动优化，还发现三个小窍门，人大度小满等机构出品
关键字：提示,文本,图像,权重,数据
文章来源：量子位
内容字数：0字

内容摘要：

PAE团队 投稿至 凹非寺量子位 | 公众号 QbitAI文生图也有自己的prompt优化工具了。
我们都知道，大模型输出的质量，很大程度上依赖于输入的prompt。尤其在文生图领域，对于prompt格外敏感。
来自中国人大、度小满等团队提出了一种全新的自动文本提示优化方法——动态提示自动编辑（Prompt Auto-Editing，PAE）。
它考虑了文本提示中的每个词在扩散生成过程的权重和注入时间步。
最终在多个公开数据集上进行了实验验证，包括Lexica.art、DiffusionDB和COCO。PAE方法不仅提高了图像的美学质量，还确保了图像与文本描述的语义一致性。
与传统方法相比，PAE在控制图像生成过程中的精确性和灵活性方面表现更优。
关键在动态prompt当前，尽管用户可以通过手动修改提示来尝试生成更优质的图像，但这一过程不仅效率低下，而且难以精确控制。
为了提高效率并优化生成结果，团队研发了PAE方法，这一方法的关键在于采用了动态提示（Dynamic Prompts）。
首先是为用户输入的简短提示词扩充出更多修饰词，其次是通过动态调整新添加的修饰词的权重和注入时间步，自

原文链接：CVPR'24：文生图提示词自动优化，还发现三个小窍门，人大度小满等机构出品

联系作者

文章来源：量子位
作者微信：QbitAI
作者简介：追踪人工智能新趋势，关注科技行业新突破