瑞士洛桑聯邦理工學院的研究團隊在即將舉行的2024年ECCV會議上，推出了一種名為ViPer的新方法，旨在根據用戶的視覺偏好個性化生成模型的輸出。 ViPer（Visual Personalization of Generative Models via Individual Preference Learning）透過學習使用者的個別偏好，讓每個使用者在相同的提示下獲得更符合自己喜好的生成結果。這項創新利用用戶提供的一系列圖像和評論，提取個別視覺偏好，並提供代理評分機制幫助用戶預測對新圖像的喜好程度，從而提升用戶體驗，實現生成模型的個人化。
最近，瑞士洛桑聯邦理工學院的研究團隊推出了一種新方法，名為ViPer（Visual Personalization of Generative Models via Individual Preference Learning），旨在根據用戶的視覺偏好個性化生成模型的輸出。
這項創新在即將到來的2024年ECCV 會議上進行了展示，團隊希望能夠讓每個用戶在相同的提示下，獲得更符合自己喜好的生成結果。
該專案的模型已經在Huggingface 平台上發布，用戶可以輕鬆下載並使用。 ViPer 中的VPE 模型經過精細調整，可以從使用者提供的一系列圖像和評論中提取個體偏好。
同時，專案也提供了一個代理指標模型，能夠根據使用者喜歡和不喜歡的圖像預測某個查詢圖像的偏好分數。這意味著，用戶可以更了解自己對新圖像的潛在喜好。
另外，ViPer 還提供了代理評分機制，使用者可以透過提供喜歡和不喜歡的圖像，計算出查詢圖像的評分。這項評分從0到1不等，分數越高，表示用戶越喜歡這張圖像。團隊建議每位使用者提供大約8張喜歡的和8張不喜歡的圖像，以確保結果的準確性。
劃重點:
ViPer 透過用戶的一次性評論提取個體視覺偏好，從而個性化生成模型的輸出。
該專案的模型已在Huggingface 發布，用戶可以輕鬆下載和使用。
? ViPer 提供代理評分機制，幫助使用者預測對新影像的喜好程度。
總而言之，ViPer 提供了一種便利且有效的方法，以實現生成模型的個人化定制，為使用者帶來更佳的使用體驗。其在Huggingface平台的發布也方便了更多用戶的使用與探索。未來，個人化生成模型將有望在更多領域中得到應用，為使用者創造更符合自身需求的體驗。