Uma equipe de pesquisa da Ecole Polytechnique Fédérale de Lausanne, na Suíça, lançou um novo método chamado ViPer na próxima conferência ECCV de 2024, que visa personalizar o resultado do modelo gerado com base nas preferências visuais do usuário. ViPer (Personalização Visual de Modelos Gerativos via Aprendizado de Preferência Individual) permite que cada usuário obtenha resultados gerados que estão mais alinhados com suas próprias preferências sob os mesmos prompts, aprendendo as preferências individuais do usuário. Esta inovação utiliza uma série de imagens e comentários fornecidos pelos utilizadores para extrair preferências visuais individuais e fornece um mecanismo de pontuação proxy para ajudar os utilizadores a prever a sua preferência por novas imagens, melhorando assim a experiência do utilizador e conseguindo uma personalização personalizada do modelo gerado.
Recentemente, uma equipe de pesquisa da Ecole Polytechnique Fédérale de Lausanne, na Suíça, lançou um novo método chamado ViPer (Visual Personalization of Generative Models via Individual Preference Learning), que visa personalizar a saída do modelo generativo de acordo com as preferências visuais do usuário.
Esta inovação será demonstrada na próxima conferência ECCV de 2024, e a equipa espera permitir que cada utilizador obtenha resultados gerados que estejam mais alinhados com as suas próprias preferências sob as mesmas instruções.
O modelo deste projeto foi lançado na plataforma Huggingface e os usuários podem baixá-lo e utilizá-lo facilmente. O modelo VPE no ViPer é ajustado para extrair preferências individuais de uma série de imagens e comentários fornecidos pelos usuários.
Ao mesmo tempo, o projeto também fornece um modelo de indicador proxy que pode prever a pontuação de preferência de uma imagem de consulta com base nas imagens que o usuário gosta e não gosta. Isso significa que os usuários podem compreender melhor suas possíveis preferências por novas imagens.
Além disso, o ViPer também fornece um mecanismo de pontuação do agente, onde os usuários podem calcular a pontuação de uma imagem de consulta fornecendo imagens de gosto e desgosto. Essa pontuação varia de 0 a 1, sendo que uma pontuação maior indica que o usuário gostou mais da imagem. A equipe recomenda que cada usuário forneça aproximadamente 8 curtidas e 8 não curtidas para garantir a precisão dos resultados.
Destaques:
O ViPer extrai preferências visuais individuais dos comentários únicos dos usuários para personalizar o resultado do modelo generativo.
O modelo deste projeto foi lançado no Huggingface e os usuários podem baixá-lo e usá-lo facilmente.
?O ViPer fornece um mecanismo de pontuação de proxy para ajudar os usuários a prever sua preferência por novas imagens.
Resumindo, o ViPer fornece um método conveniente e eficaz para obter personalização personalizada dos modelos gerados e proporcionar uma melhor experiência ao usuário. Seu lançamento na plataforma Huggingface também facilita o uso e exploração de mais usuários. No futuro, espera-se que modelos de geração personalizados sejam aplicados em mais campos para criar experiências para os utilizadores mais alinhadas com as suas próprias necessidades.