Исследовательская группа из Федеральной политехнической школы Лозанны в Швейцарии представила на предстоящей конференции ECCV 2024 года новый метод под названием ViPer, целью которого является персонализация результатов сгенерированной модели на основе визуальных предпочтений пользователя. ViPer (визуальная персонализация генеративных моделей посредством изучения индивидуальных предпочтений) позволяет каждому пользователю получать сгенерированные результаты, которые больше соответствуют его собственным предпочтениям, при использовании одних и тех же подсказок, изучая индивидуальные предпочтения пользователя. Это нововведение использует серию изображений и комментариев, предоставленных пользователями, для извлечения индивидуальных визуальных предпочтений, а также предоставляет механизм прокси-оценки, который помогает пользователям прогнозировать свои предпочтения в отношении новых изображений, тем самым улучшая взаимодействие с пользователем и обеспечивая персонализированную настройку сгенерированной модели.
Недавно исследовательская группа из Федеральной политехнической школы Лозанны в Швейцарии запустила новый метод под названием ViPer (визуальная персонализация генеративных моделей посредством обучения индивидуальных предпочтений), целью которого является персонализация результатов генеративной модели в соответствии с визуальными предпочтениями пользователя.
Это нововведение будет продемонстрировано на предстоящей конференции ECCV 2024 года, и команда надеется, что каждый пользователь сможет получать результаты, которые больше соответствуют его собственным предпочтениям, используя одни и те же подсказки.
Модель этого проекта опубликована на платформе Huggingface, и пользователи могут легко ее скачать и использовать. Модель VPE в ViPer точно настроена для извлечения индивидуальных предпочтений из серии изображений и комментариев, предоставленных пользователями.
В то же время проект также предоставляет модель прокси-индикатора, которая может прогнозировать оценку предпочтения изображения запроса на основе изображений, которые нравятся и не нравятся пользователю. Это означает, что пользователи могут лучше понять свои потенциальные предпочтения в отношении новых изображений.
Кроме того, ViPer также предоставляет механизм оценки агентов, с помощью которого пользователи могут рассчитать оценку изображения запроса, предоставляя изображения «нравится» и «не нравится». Этот балл варьируется от 0 до 1, причем более высокий балл указывает на то, что пользователю больше нравится изображение. Команда рекомендует каждому пользователю поставить примерно 8 лайков и 8 дизлайков, чтобы обеспечить точность результатов.
Основные моменты:
ViPer извлекает индивидуальные визуальные предпочтения из одноразовых комментариев пользователей, чтобы персонализировать результаты генеративной модели.
Модель этого проекта была опубликована на Huggingface, и пользователи могут легко ее скачать и использовать.
? ViPer предоставляет механизм прокси-оценки, который помогает пользователям предсказать, какие им нравятся новые изображения.
В целом, ViPer предоставляет удобный и эффективный метод персонализированной настройки сгенерированных моделей и улучшения пользовательского опыта. Его выпуск на платформе Huggingface также облегчает использование и исследование большего количества пользователей. Ожидается, что в будущем модели персонализированного поколения будут применяться в большем количестве областей для создания опыта для пользователей, который в большей степени соответствует их собственным потребностям.