Un equipo de investigación de la Ecole Polytechnique Fédérale de Lausanne en Suiza lanzó un nuevo método llamado ViPer en la próxima conferencia ECCV de 2024, cuyo objetivo es personalizar el resultado del modelo generado en función de las preferencias visuales del usuario. ViPer (Personalización visual de modelos generativos mediante aprendizaje de preferencias individuales) permite a cada usuario obtener resultados generados que están más en línea con sus propias preferencias bajo las mismas indicaciones al conocer las preferencias individuales del usuario. Esta innovación utiliza una serie de imágenes y comentarios proporcionados por los usuarios para extraer preferencias visuales individuales y proporciona un mecanismo de puntuación proxy para ayudar a los usuarios a predecir su preferencia por nuevas imágenes, mejorando así la experiencia del usuario y logrando una personalización personalizada del modelo generado.
Recientemente, un equipo de investigación de la Ecole Polytechnique Fédérale de Lausanne en Suiza lanzó un nuevo método llamado ViPer (Personalización visual de modelos generativos mediante aprendizaje de preferencias individuales), cuyo objetivo es personalizar la salida del modelo generativo según las preferencias visuales del usuario.
Esta innovación se demostrará en la próxima conferencia ECCV de 2024 y el equipo espera permitir que cada usuario obtenga resultados generados que estén más en línea con sus propias preferencias bajo las mismas indicaciones.
El modelo de este proyecto se lanzó en la plataforma Huggingface y los usuarios pueden descargarlo y utilizarlo fácilmente. El modelo VPE en ViPer está ajustado para extraer preferencias individuales de una serie de imágenes y comentarios proporcionados por los usuarios.
Al mismo tiempo, el proyecto también proporciona un modelo de indicador proxy que puede predecir la puntuación de preferencia de una imagen de consulta en función de las imágenes que le gustan y no le gustan al usuario. Esto significa que los usuarios pueden comprender mejor sus posibles preferencias por nuevas imágenes.
Además, ViPer también proporciona un mecanismo de puntuación de agentes, donde los usuarios pueden calcular la puntuación de una imagen de consulta proporcionando imágenes que les gustan y no les gustan. Esta puntuación varía de 0 a 1, y una puntuación más alta indica que al usuario le gusta más la imagen. El equipo recomienda que cada usuario proporcione aproximadamente 8 Me gusta y 8 No me gusta para garantizar la precisión de los resultados.
Reflejos:
ViPer extrae las preferencias visuales individuales de los comentarios únicos de los usuarios para personalizar el resultado del modelo generativo.
El modelo de este proyecto se publicó en Huggingface y los usuarios pueden descargarlo y utilizarlo fácilmente.
? ViPer proporciona un mecanismo de puntuación proxy para ayudar a los usuarios a predecir su gusto por las nuevas imágenes.
Considerándolo todo, ViPer proporciona un método conveniente y eficaz para lograr una personalización personalizada de los modelos generados y brindar una mejor experiencia de usuario. Su lanzamiento en la plataforma Huggingface también facilita el uso y exploración de más usuarios. En el futuro se espera que los modelos de generación personalizados se apliquen en más campos para crear experiencias para los usuarios más acordes con sus propias necesidades.