瑞士洛桑联邦理工学院的研究团队在即将召开的2024年ECCV会议上，推出了名为ViPer的新方法，旨在根据用户的视觉偏好个性化生成模型的输出。ViPer（Visual Personalization of Generative Models via Individual Preference Learning）通过学习用户的个体偏好，让每个用户在相同的提示下获得更符合自己喜好的生成结果。这一创新利用用户提供的一系列图像和评论，提取个体视觉偏好，并提供代理评分机制帮助用户预测对新图像的喜好程度，从而提升用户体验，实现生成模型的个性化定制。
最近，瑞士洛桑联邦理工学院的研究团队推出了一种新方法，名为 ViPer（Visual Personalization of Generative Models via Individual Preference Learning），旨在根据用户的视觉偏好个性化生成模型的输出。
这一创新在即将到来的2024年 ECCV 会议上进行了展示，团队希望能够让每个用户在相同的提示下，获得更符合自己喜好的生成结果。
该项目的模型已经在 Huggingface 平台上发布，用户可以轻松下载并使用。ViPer 中的 VPE 模型经过精细调整，可以从用户提供的一系列图像和评论中提取个体偏好。
同时，项目还提供了一种代理指标模型，能够根据用户喜欢和不喜欢的图像预测某个查询图像的偏好分数。这意味着，用户可以更好地了解自己对新图像的潜在喜好。
另外，ViPer 还提供了代理评分机制，用户可以通过提供喜欢和不喜欢的图像，计算出查询图像的评分。这一评分从0到1不等，分数越高，表明用户越喜欢这幅图像。团队建议每个用户提供大约8张喜欢的和8张不喜欢的图像，以确保结果的准确性。
划重点:
ViPer 通过用户的一次性评论提取个体视觉偏好，从而个性化生成模型的输出。
该项目的模型已在 Huggingface 发布，用户可以方便地下载和使用。
? ViPer 提供代理评分机制，帮助用户预测对新图像的喜好程度。
总而言之，ViPer 提供了一种便捷且有效的方法，实现生成模型的个性化定制，为用户带来更佳的使用体验。其在Huggingface平台的发布也方便了更多用户的使用和探索。未来，个性化生成模型将有望在更多领域得到应用，为用户创造更符合自身需求的体验。