論文の概要: HyperDreamBooth: HyperNetworks for Fast Personalization of Text-to-Image Models

• arxiv url: http://arxiv.org/abs/2307.06949v1
• Date: Thu, 13 Jul 2023 17:59:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 13:42:06.260217
• Title: HyperDreamBooth: HyperNetworks for Fast Personalization of Text-to-Image Models
• Title（参考訳）: HyperDreamBooth: テキスト-画像モデルの高速パーソナライズのためのHyperNetworks
• Authors: Nataniel Ruiz, Yuanzhen Li, Varun Jampani, Wei Wei, Tingbo Hou, Yael Pritch, Neal Wadhwa, Michael Rubinstein, Kfir Aberman
• Abstract要約: HyperDreamBoothは、単一のイメージから小さなパーソナライズされた重みを効率的に生成できるハイパーネットワークである。 本手法は,DreamBoothの約20秒,DreamBoothの約25倍,Textual Inversionの125倍の速さで顔のパーソナライズを実現する。
• 参考スコア（独自算出の注目度）: 29.706131520248583
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalization has emerged as a prominent aspect within the field of generative AI, enabling the synthesis of individuals in diverse contexts and styles, while retaining high-fidelity to their identities. However, the process of personalization presents inherent challenges in terms of time and memory requirements. Fine-tuning each personalized model needs considerable GPU time investment, and storing a personalized model per subject can be demanding in terms of storage capacity. To overcome these challenges, we propose HyperDreamBooth-a hypernetwork capable of efficiently generating a small set of personalized weights from a single image of a person. By composing these weights into the diffusion model, coupled with fast finetuning, HyperDreamBooth can generate a person's face in various contexts and styles, with high subject details while also preserving the model's crucial knowledge of diverse styles and semantic modifications. Our method achieves personalization on faces in roughly 20 seconds, 25x faster than DreamBooth and 125x faster than Textual Inversion, using as few as one reference image, with the same quality and style diversity as DreamBooth. Also our method yields a model that is 10000x smaller than a normal DreamBooth model. Project page: https://hyperdreambooth.github.io
• Abstract（参考訳）: パーソナライゼーションは、生成AIの分野において顕著な側面として現れ、さまざまなコンテキストやスタイルで個人を合成できると同時に、アイデンティティへの高い忠実さを維持している。 しかしながら、パーソナライゼーションのプロセスは、時間とメモリ要件の観点から固有の課題をもたらす。 パーソナライズされたモデル毎の微調整には、gpuの時間的投資が必要であり、パーソナライズされたモデル毎のストレージ容量を要求できる。 これらの課題を克服するために,人物の単一画像から少数の個人化された重みを効率的に生成できるハイパーネットワークHyperDreamBoothを提案する。 これらの重みを拡散モデルに組み込むことで、高速微調整と組み合わせることで、ハイパードリームブートは様々な文脈やスタイルにおいて人の顔を生成できる。 本手法は,DreamBoothと同等の品質とスタイルの多様性を持つ参照画像のみを用いて,DreamBoothの約20秒,25倍,Textual Inversionの125倍の速さで顔のパーソナライズを実現する。 また,本手法はDreamBoothモデルよりも10000倍小さいモデルを生成する。 プロジェクトページ: https://hyperdreambooth.github.io

関連論文リスト

• Imagine yourself: Tuning-Free Personalized Image Generation [39.63411174712078]
  私たちは、パーソナライズされた画像生成用に設計された最先端のモデルであるImagine yourselfを紹介します。 チューニング不要のモデルとして機能し、個別に調整することなく、すべてのユーザが共有フレームワークを活用できる。 我々の研究は、Imagine自身が最先端のパーソナライズモデルを超え、アイデンティティ保存、視覚的品質、テキストアライメントにおいて優れた能力を示すことを示した。
  論文  参考訳（メタデータ） (2024-09-20T09:21:49Z)
• JeDi: Joint-Image Diffusion Models for Finetuning-Free Personalized Text-to-Image Generation [49.997839600988875]
  既存のパーソナライズ手法は、ユーザのカスタムデータセット上でテキスト・ツー・イメージの基礎モデルを微調整することに依存している。 ファインタニングフリーのパーソナライズモデルを学ぶための効果的な手法として,ジョイントイメージ拡散(jedi)を提案する。 本モデルは,従来のファインタニングベースとファインタニングフリーのパーソナライゼーションベースの両方において,定量的かつ定性的に,高い品質を実現する。
  論文  参考訳（メタデータ） (2024-07-08T17:59:02Z)
• InstantID: Zero-shot Identity-Preserving Generation in Seconds [21.04236321562671]
  我々はID埋め込みのための強力な拡散モデルに基づくソリューションであるInstantIDを紹介する。 我々のプラグイン・アンド・プレイ・モジュールは、1つの顔画像だけで様々なスタイルで画像のパーソナライズ処理を行う。 私たちの仕事はSD1.5やSDXLのような、トレーニング済みのテキストと画像の拡散モデルとシームレスに統合されます。
  論文  参考訳（メタデータ） (2024-01-15T07:50:18Z)
• Emu: Enhancing Image Generation Models Using Photogenic Needles in a Haystack [75.00066365801993]
  Webスケールの画像-テキストペアによるテキスト-画像モデルのトレーニングにより、テキストから幅広い視覚概念を生成することができる。 これらの事前訓練されたモデルは、高度に美的な画像を生成することに関して、しばしば課題に直面します。 本稿では,高度に視覚的に魅力的な画像のみを生成するために,事前学習されたモデルを誘導する品質チューニングを提案する。
  論文  参考訳（メタデータ） (2023-09-27T17:30:19Z)
• Generate Anything Anywhere in Any Scene [25.75076439397536]
  パーソナライズされたオブジェクト生成のための制御可能なテキスト・画像拡散モデルを提案する。 本手法は,芸術,エンターテイメント,広告デザインなど,様々な応用の可能性を示すものである。
  論文  参考訳（メタデータ） (2023-06-29T17:55:14Z)
• Inserting Anybody in Diffusion Models via Celeb Basis [29.51292196851589]
  本研究では,個別個人を事前学習した拡散モデルにシームレスに統合するパーソナライズ手法を提案する。 そこで我々はまず,事前学習した大文字エンコーダの埋め込み空間から,明確に定義されたセレブベースを解析・構築する。 提案したセレブベースを活用することで、カスタマイズされたモデルの新たなアイデンティティは、従来のパーソナライズ手法よりも優れた概念の組み合わせ能力を示す。
  論文  参考訳（メタデータ） (2023-06-01T17:30:24Z)
• Subject-driven Text-to-Image Generation via Apprenticeship Learning [83.88256453081607]
  本研究では,テキスト・トゥ・イメージ・ジェネレータのSuTIについて述べる。 SuTIは見習いの学習を利用しており、そこでは、多数の主題固有のエキスパートモデルによって生成されたデータから、単一の見習いモデルが学習される。 SuTIは、InstructPix2Pix、Textual Inversion、Imagic、Prompt2Prompt、Re-Imagen、DreamBoothといった既存のモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-04-01T00:47:35Z)
• Designing an Encoder for Fast Personalization of Text-to-Image Models [57.62449900121022]
  テキスト・ツー・イメージ・パーソナライズのためのエンコーダに基づくドメインチューニング手法を提案する。 まず、特定のドメインからターゲット概念の1つのイメージを入力として取り込むエンコーダです。 第二に、追加概念を効果的に取り入れる方法を学ぶためのテキスト・ツー・イメージ・モデルのための正規化された重み付けオフセットのセット。
  論文  参考訳（メタデータ） (2023-02-23T18:46:41Z)
• MetaPortrait: Identity-Preserving Talking Head Generation with Fast Personalized Adaptation [57.060828009199646]
  本稿では,ID保存型音声ヘッド生成フレームワークを提案する。 密集したランドマークは、正確な幾何認識フローフィールドを達成するために不可欠であると主張する。 我々は、合成中にソースアイデンティティを適応的に融合させ、画像ポートレートのキー特性をよりよく保存する。
  論文  参考訳（メタデータ） (2022-12-15T18:59:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。