Ein Forschungsteam der Ecole Polytechnique Fédérale de Lausanne in der Schweiz hat auf der kommenden ECCV-Konferenz 2024 eine neue Methode namens ViPer vorgestellt, die darauf abzielt, die Ausgabe des generierten Modells basierend auf den visuellen Vorlieben des Benutzers zu personalisieren. ViPer (Visuelle Personalisierung generativer Modelle durch individuelles Präferenzlernen) ermöglicht es jedem Benutzer, generierte Ergebnisse zu erhalten, die seinen eigenen Präferenzen unter denselben Eingabeaufforderungen besser entsprechen, indem er die individuellen Präferenzen des Benutzers lernt. Diese Innovation nutzt eine Reihe von Bildern und Kommentaren, die von Benutzern bereitgestellt werden, um individuelle visuelle Präferenzen zu extrahieren, und bietet einen Proxy-Bewertungsmechanismus, der Benutzern hilft, ihre Präferenz für neue Bilder vorherzusagen, wodurch die Benutzererfahrung verbessert und eine personalisierte Anpassung des generierten Modells erreicht wird.
Kürzlich hat ein Forschungsteam der Ecole Polytechnique Fédérale de Lausanne in der Schweiz eine neue Methode namens ViPer (Visuelle Personalisierung generativer Modelle durch individuelles Präferenzlernen) eingeführt, die darauf abzielt, die Ausgabe des generativen Modells entsprechend den visuellen Vorlieben des Benutzers zu personalisieren.
Diese Innovation wird auf der bevorstehenden ECCV-Konferenz 2024 demonstriert, und das Team hofft, es jedem Benutzer zu ermöglichen, unter denselben Eingabeaufforderungen generierte Ergebnisse zu erhalten, die seinen eigenen Vorlieben besser entsprechen.
Das Modell dieses Projekts wurde auf der Huggingface-Plattform veröffentlicht und kann von Benutzern problemlos heruntergeladen und verwendet werden. Das VPE-Modell in ViPer ist darauf abgestimmt, individuelle Präferenzen aus einer Reihe von Bildern und Kommentaren der Benutzer zu extrahieren.
Gleichzeitig stellt das Projekt auch ein Proxy-Indikatormodell bereit, das den Präferenzwert eines Abfragebilds basierend auf den Bildern vorhersagen kann, die dem Benutzer gefallen und nicht gefallen. Dies bedeutet, dass Benutzer ihre potenziellen Vorlieben für neue Bilder besser verstehen können.
Darüber hinaus bietet ViPer auch einen Mechanismus zur Agentenbewertung, mit dem Benutzer die Bewertung eines Abfragebilds berechnen können, indem sie Bilder mit „Gefällt mir“- und „Gefällt mir nicht“-Angaben angeben. Dieser Wert reicht von 0 bis 1, wobei ein höherer Wert anzeigt, dass dem Benutzer das Bild mehr gefällt. Das Team empfiehlt, dass jeder Benutzer etwa 8 Likes und 8 Dislikes angibt, um die Genauigkeit der Ergebnisse sicherzustellen.
Höhepunkte:
ViPer extrahiert individuelle visuelle Vorlieben aus den einmaligen Kommentaren der Benutzer, um die Ausgabe des generativen Modells zu personalisieren.
Das Modell dieses Projekts wurde auf Huggingface veröffentlicht und kann von Benutzern problemlos heruntergeladen und verwendet werden.
? ViPer bietet einen Proxy-Bewertungsmechanismus, der Benutzern hilft, ihre Vorlieben für neue Bilder vorherzusagen.
Alles in allem bietet ViPer eine bequeme und effektive Methode, um eine personalisierte Anpassung generierter Modelle zu erreichen und ein besseres Benutzererlebnis zu erzielen. Die Veröffentlichung auf der Huggingface-Plattform erleichtert auch die Nutzung und Erkundung durch mehr Benutzer. In Zukunft sollen personalisierte Generationsmodelle in weiteren Bereichen Anwendung finden, um Erlebnisse für Benutzer zu schaffen, die besser auf ihre eigenen Bedürfnisse abgestimmt sind.