Fugu-MT 論文翻訳(概要): Semantic Draw Engineering for Text-to-Image Creation

論文の概要: Semantic Draw Engineering for Text-to-Image Creation

arxiv url: http://arxiv.org/abs/2401.04116v1
Date: Sat, 23 Dec 2023 05:35:15 GMT
ステータス: 処理完了
システム内更新日: 2024-01-15 09:21:37.832222
Title: Semantic Draw Engineering for Text-to-Image Creation
Title（参考訳）: テキスト・画像作成のための意味描画工学
Authors: Yang Li and Huaqiang Jiang and Yangkai Wu
Abstract要約: そこで本研究では,人工知能モデルをテーマ創造性に活用する手法を提案する。この手法では、画像を作成する前に、すべての視覚要素を定量データ構造に変換する。提案手法の有効性を,意味的精度,画像効率,計算効率の観点から評価する。
参考スコア（独自算出の注目度）: 2.615648035076649
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Text-to-image generation is conducted through Generative Adversarial Networks (GANs) or transformer models. However, the current challenge lies in accurately generating images based on textual descriptions, especially in scenarios where the content and theme of the target image are ambiguous. In this paper, we propose a method that utilizes artificial intelligence models for thematic creativity, followed by a classification modeling of the actual painting process. The method involves converting all visual elements into quantifiable data structures before creating images. We evaluate the effectiveness of this approach in terms of semantic accuracy, image reproducibility, and computational efficiency, in comparison with existing image generation algorithms.
Abstract（参考訳）: テキストから画像への生成は、gan(generative adversarial network)またはtransformerモデルを通じて行われる。しかし、現在の課題は、特に対象画像の内容とテーマが曖昧であるシナリオにおいて、テキスト記述に基づく画像の正確な生成である。本稿では,人工知能モデルを用いたテーマ創造性評価手法を提案し,続いて実際の絵画プロセスの分類モデルを提案する。この手法では、画像を作成する前に、すべての視覚要素を定量データ構造に変換する。本手法の有効性を,既存の画像生成アルゴリズムと比較して,意味的精度,画像再現性,計算効率の観点から評価する。

関連論文リスト

Prompt-Consistency Image Generation (PCIG): A Unified Framework Integrating LLMs, Knowledge Graphs, and Controllable Diffusion Models [20.19571676239579]
生成した画像と対応する記述とのアライメントを強化するための,拡散に基づく新しいフレームワークを提案する。この枠組みは不整合現象の包括的解析に基づいて構築され,画像の表示に基づいて分類する。次に、最先端の制御可能な画像生成モデルとビジュアルテキスト生成モジュールを統合し、元のプロンプトと整合した画像を生成する。
論文参考訳（メタデータ） (2024-06-24T06:12:16Z)
Text Guided Image Editing with Automatic Concept Locating and Forgetting [27.70615803908037]
画像中の潜在的なターゲット概念を特定するために,Locate and Forget (LaF) と呼ばれる新しい手法を提案する。本手法はベースラインと比較して,テキスト誘導画像編集作業において質的かつ定量的に優位性を示す。
論文参考訳（メタデータ） (2024-05-30T05:36:32Z)
ITI-GEN: Inclusive Text-to-Image Generation [56.72212367905351]
本研究では,人書きプロンプトに基づいて画像を生成する包括的テキスト・画像生成モデルについて検討する。いくつかの属性に対して、画像はテキストよりも概念を表現的に表現できることを示す。 Inclusive Text-to- Image GENeration に容易に利用可能な参照画像を活用する新しいアプローチ ITI-GEN を提案する。
論文参考訳（メタデータ） (2023-09-11T15:54:30Z)
Unsupervised Compositional Concepts Discovery with Text-to-Image Generative Models [80.75258849913574]
本稿では、異なる画像の集合を考えると、各画像を表す生成概念を発見できるかという逆問題を考える。本稿では,画像の集合から生成概念を抽出し,絵画やオブジェクト,キッチンシーンからの照明から異なる美術スタイルを分離し,イメージネット画像から得られる画像クラスを発見するための教師なしアプローチを提案する。
論文参考訳（メタデータ） (2023-06-08T17:02:15Z)
Taming Encoder for Zero Fine-tuning Image Customization with Text-to-Image Diffusion Models [55.04969603431266]
本稿では,ユーザが指定したカスタマイズされたオブジェクトの画像を生成する手法を提案する。この手法は、従来のアプローチで要求される長大な最適化をバイパスする一般的なフレームワークに基づいている。提案手法は, 出力品質, 外観の多様性, 被写体忠実度を考慮した画像合成が可能であることを示す。
論文参考訳（メタデータ） (2023-04-05T17:59:32Z)
Object-Centric Relational Representations for Image Generation [18.069747511100132]
本稿では,オブジェクト中心のリレーショナル表現に基づく条件画像生成手法を提案する。このようなアーキテクチャバイアスには,生成過程の操作と条件付けを容易にする特性が伴うことを示す。また,関係表現と組み合わせた画像の合成データセットからなる画像生成のための新しいベンチマークを提案する。
論文参考訳（メタデータ） (2023-03-26T11:17:17Z)
Localizing Object-level Shape Variations with Text-to-Image Diffusion Models [60.422435066544814]
本稿では,特定の物体の形状の変化を表現した画像の集合を生成する手法を提案する。オブジェクトのバリエーションを生成する際の特に課題は、オブジェクトの形状に適用される操作を正確にローカライズすることである。画像空間の操作をローカライズするために,自己注意層と交差注意層を併用する2つの手法を提案する。
論文参考訳（メタデータ） (2023-03-20T17:45:08Z)
Plug-and-Play Diffusion Features for Text-Driven Image-to-Image Translation [10.39028769374367]
本稿では,画像間翻訳の領域にテキスト・ツー・イメージ合成を取り入れた新しいフレームワークを提案する。本手法は,事前学習したテキスト・画像拡散モデルのパワーを利用して,対象のテキストに適合する新たな画像を生成する。
論文参考訳（メタデータ） (2022-11-22T20:39:18Z)
Language Does More Than Describe: On The Lack Of Figurative Speech in Text-To-Image Models [63.545146807810305]
テキスト・ツー・イメージ拡散モデルでは、テキスト入力プロンプトから高品質な画像を生成することができる。これらのモデルは、コンテンツベースのラベル付けプロトコルから収集されたテキストデータを用いて訓練されている。本研究では,現在使用されているテキスト・画像拡散モデルのトレーニングに使用されている公開テキストデータの感情性,目的性,抽象化の程度を特徴付ける。
論文参考訳（メタデータ） (2022-10-19T14:20:05Z)
Improving Generation and Evaluation of Visual Stories via Semantic Consistency [72.00815192668193]
一連の自然言語キャプションが与えられた場合、エージェントはキャプションに対応する一連の画像を生成する必要がある。それまでの作業では、このタスクで合成テキスト・画像モデルより優れた繰り返し生成モデルを導入してきた。従来のモデリング手法には、デュアルラーニングフレームワークの追加など、いくつかの改善点を提示する。
論文参考訳（メタデータ） (2021-05-20T20:42:42Z)
Words as Art Materials: Generating Paintings with Sequential GANs [8.249180979158815]
大規模な分散データセット上での芸術画像の生成について検討する。このデータセットには、形状、色、内容など、バリエーションのあるイメージが含まれている。本稿では,逐次生成適応型ネットワークモデルを提案する。
論文参考訳（メタデータ） (2020-07-08T19:17:14Z)

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。