Sebuah tim peneliti dari Ecole Polytechnique Fédérale de Lausanne di Swiss telah meluncurkan metode baru yang disebut ViPer pada konferensi ECCV 2024 mendatang, yang bertujuan untuk mempersonalisasi keluaran model yang dihasilkan berdasarkan preferensi visual pengguna. ViPer (Personalisasi Visual Model Generatif melalui Pembelajaran Preferensi Individu) memungkinkan setiap pengguna memperoleh hasil yang dihasilkan yang lebih sesuai dengan preferensi mereka sendiri berdasarkan petunjuk yang sama dengan mempelajari preferensi individu pengguna. Inovasi ini menggunakan serangkaian gambar dan komentar yang diberikan oleh pengguna untuk mengekstrak preferensi visual individu, dan menyediakan mekanisme penilaian proksi untuk membantu pengguna memprediksi preferensi mereka terhadap gambar baru, sehingga meningkatkan pengalaman pengguna dan mencapai penyesuaian yang dipersonalisasi pada model yang dihasilkan.
Baru-baru ini, tim peneliti dari Ecole Polytechnique Fédérale de Lausanne di Swiss meluncurkan metode baru yang disebut ViPer (Visual Personalization of Generative Models via Individual Preference Learning), yang bertujuan untuk mempersonalisasi keluaran model generatif sesuai dengan preferensi visual pengguna.
Inovasi ini akan didemonstrasikan pada konferensi ECCV 2024 mendatang, dan tim berharap setiap pengguna dapat memperoleh hasil yang lebih sesuai dengan preferensi mereka dengan petunjuk yang sama.
Model proyek ini telah dirilis pada platform Huggingface, dan pengguna dapat dengan mudah mengunduh dan menggunakannya. Model VPE di ViPer disesuaikan untuk mengekstrak preferensi individu dari serangkaian gambar dan komentar yang diberikan oleh pengguna.
Pada saat yang sama, proyek ini juga menyediakan model indikator proksi yang dapat memprediksi skor preferensi gambar kueri berdasarkan gambar yang disukai dan tidak disukai pengguna. Ini berarti pengguna dapat lebih memahami potensi preferensi mereka terhadap gambar baru.
Selain itu, ViPer juga menyediakan mekanisme penilaian agen, dimana pengguna dapat menghitung skor suatu gambar kueri dengan memberikan gambar suka dan tidak suka. Skor ini berkisar dari 0 hingga 1, dengan skor yang lebih tinggi menunjukkan bahwa pengguna lebih menyukai gambar tersebut. Tim merekomendasikan setiap pengguna untuk memberikan kurang lebih 8 suka dan 8 tidak suka untuk memastikan keakuratan hasil.
Highlight:
ViPer mengekstrak preferensi visual individu dari komentar satu kali pengguna untuk mempersonalisasi keluaran model generatif.
Model proyek ini telah dirilis di Huggingface, dan pengguna dapat dengan mudah mengunduh dan menggunakannya.
? ViPer menyediakan mekanisme penilaian proxy untuk membantu pengguna memprediksi kesukaan mereka terhadap gambar baru.
Secara keseluruhan, ViPer menyediakan metode yang nyaman dan efektif untuk mencapai penyesuaian model yang dihasilkan secara personal dan menghadirkan pengalaman pengguna yang lebih baik. Peluncurannya di platform Huggingface juga memudahkan penggunaan dan eksplorasi lebih banyak pengguna. Di masa depan, model generasi yang dipersonalisasi diharapkan dapat diterapkan di lebih banyak bidang untuk menciptakan pengalaman bagi pengguna yang lebih sesuai dengan kebutuhan mereka.