論文の概要: Prompting for products: Investigating design space exploration strategies for text-to-image generative models

• arxiv url: http://arxiv.org/abs/2408.03946v1
• Date: Mon, 22 Jul 2024 06:42:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-19 04:39:15.166991
• Title: Prompting for products: Investigating design space exploration strategies for text-to-image generative models
• Title（参考訳）: 製品のプロンプト:テキスト・ツー・イメージ生成モデルの設計空間探索戦略の検討
• Authors: Leah Chong, I-Ping Lo, Jude Rayan, Steven Dow, Faez Ahmed, Ioanna Lykourentzou,
• Abstract要約: 本研究は, 実用性, 斬新, 美的な製品イメージの獲得に成功するデザイン空間探索戦略を実証的に検討する。 重要な発見は、モノ対マルチ基準と、特定の設計目標を達成するためのプロンプトのゴールオリエンテーションが、時間とプロンプトの長さで重要な役割を担っていることを明らかにする。 この研究は、グローバル編集における実現可能性と新規性のためのマルチクリテリアプロンプトの使用の優先順位付けを推奨し、一方、局所編集ではモノクリテリアプロンプトを推奨している。
• 参考スコア（独自算出の注目度）: 4.535781601703759
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-image models are enabling efficient design space exploration, rapidly generating images from text prompts. However, many generative AI tools are imperfect for product design applications as they are not built for the goals and requirements of product design. The unclear link between text input and image output further complicates their application. This work empirically investigates design space exploration strategies that can successfully yield product images that are feasible, novel, and aesthetic, which are three common goals in product design. Specifically, user actions within the global and local editing modes, including their time spent, prompt length, mono vs. multi-criteria prompts, and goal orientation of prompts, are analyzed. Key findings reveal the pivotal role of mono vs. multi-criteria and goal orientation of prompts in achieving specific design goals over time and prompt length. The study recommends prioritizing the use of multi-criteria prompts for feasibility and novelty during global editing, while favoring mono-criteria prompts for aesthetics during local editing. Overall, this paper underscores the nuanced relationship between the AI-driven text-to-image models and their effectiveness in product design, urging designers to carefully structure prompts during different editing modes to better meet the unique demands of product design.
• Abstract（参考訳）: テキスト・ツー・イメージ・モデルは効率的なデザイン空間の探索を可能にし、テキスト・プロンプトから素早く画像を生成する。 しかし、製品設計の目標と要求のために構築されていないため、製品設計アプリケーションには多くの生成AIツールが不完全である。 テキスト入力と画像出力の間の不明瞭なリンクは、そのアプリケーションをさらに複雑にする。 本研究は, 製品デザインにおける3つの共通目標である, 実用性, 新規性, 審美性を有する製品イメージの獲得に成功するデザイン空間探索戦略を実証的に検討する。 具体的には,グローバルな編集モードとローカルな編集モードのユーザアクションについて,時間,プロンプト長,モノ対マルチクリテリアプロンプト,プロンプトの目標方向などを分析した。 重要な発見は、モノ対マルチ基準と、特定の設計目標を達成するためのプロンプトのゴールオリエンテーションが、時間とプロンプトの長さで重要な役割を担っていることを明らかにする。 この研究は、グローバル編集における実現可能性と新規性のためのマルチクリテリアプロンプトの使用の優先順位付けを推奨し、一方、局所編集ではモノクリテリアプロンプトを推奨している。 本稿では、AI駆動型テキスト・画像モデルと製品デザインにおけるそれらの有効性との関係を概観し、異なる編集モードでプロンプトを慎重に構成し、製品デザインのユニークな要求を満たすよう、デザイナーに促す。

関連論文リスト

• GLDesigner: Leveraging Multi-Modal LLMs as Designer for Enhanced Aesthetic Text Glyph Layouts [53.568057283934714]
  コンテンツ対応のテキストロゴレイアウトを生成するVLMベースのフレームワークを提案する。 本稿では,複数のグリフ画像の同時処理における計算量を削減するための2つのモデル手法を提案する。 アウトモデルのインストラクションチューニングを支援するために,既存の公開データセットよりも5倍大きい2つの拡張テキストロゴデータセットを構築した。
  論文  参考訳（メタデータ） (2024-11-18T10:04:10Z)
• TextBoost: Towards One-Shot Personalization of Text-to-Image Models via Fine-tuning Text Encoder [13.695128139074285]
  本稿では、テキストプロンプトによる制御可能な画像の作成を可能にする、オーバーフィッティングの軽減によるワンショットパーソナライゼーションの課題に対処する。 パーソナライズ性能を高めるための3つの重要な手法を紹介する。(1)機能障害の促進と過剰適合の緩和のための拡張トークン、(2)言語ドリフトの低減と多様なプロンプト間の一般化性向上のための知識保存損失、(3)効率的なトレーニングのためのSNR重み付きサンプリング。
  論文  参考訳（メタデータ） (2024-09-12T17:47:51Z)
• Target Prompting for Information Extraction with Vision Language Model [0.0]
  近年のLarge Vision and Language Modelのトレンドは、情報抽出システムの構築方法に新たな変化をもたらした。 それらは文書画像からテキストを生成し、質問に対する正確な回答を提供するのに非常に優れている。 大きな言語モデルで使用される一般的なプロンプト技術は、これらの特別に設計された視覚言語モデルには適さないことが多い。
  論文  参考訳（メタデータ） (2024-08-07T15:17:51Z)
• Empowering Visual Creativity: A Vision-Language Assistant to Image Editing Recommendations [109.65267337037842]
  IER(Image Editing Recommendation)の課題を紹介する。 IERは、入力画像から多様なクリエイティブな編集命令を自動生成し、ユーザの未指定の編集目的を表すシンプルなプロンプトを作成することを目的としている。 本稿では,Creative-Vision Language Assistant(Creativity-VLA)を紹介する。
  論文  参考訳（メタデータ） (2024-05-31T18:22:29Z)
• iDesigner: A High-Resolution and Complex-Prompt Following Text-to-Image Diffusion Model for Interior Design [42.061819736162356]
  本稿では,CLIPフィードバックによるカリキュラム学習と強化学習による微調整戦略を提案する。 収集したデータセットに対する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-12-07T14:37:01Z)
• UPOCR: Towards Unified Pixel-Level OCR Interface [36.966005829678124]
  We propose UPOCR, a simple-yet- effective generalist model for Unified Pixel-level OCR interface。 具体的には,多様なOCRタスクのパラダイムをイメージ・ツー・イメージ変換として,アーキテクチャを視覚変換器(ViT)ベースのエンコーダ・デコーダとして統一する。 テキスト除去、テキストセグメンテーション、改ざんテキスト検出を含む3つの画素レベルのOCRタスクで実験を行った。
  論文  参考訳（メタデータ） (2023-12-05T11:53:17Z)
• The role of interface design on prompt-mediated creativity in Generative AI [0.0]
  2つのジェネレーティブAIプラットフォームから145,000以上のプロンプトを分析します。 その結果,利用者は以前訪れた概念の活用よりも,新たなトピックを探求する傾向にあることがわかった。
  論文  参考訳（メタデータ） (2023-11-30T22:33:34Z)
• The Chosen One: Consistent Characters in Text-to-Image Diffusion Models [71.15152184631951]
  そこで本研究では,テキストプロンプトのみを入力として,一貫した文字生成を完全自動化する手法を提案する。 本手法は, 基本手法と比較して, 即時アライメントと同一性整合性のバランスが良くなる。
  論文  参考訳（メタデータ） (2023-11-16T18:59:51Z)
• LLM Blueprint: Enabling Text-to-Image Generation with Complex and Detailed Prompts [60.54912319612113]
  拡散に基づく生成モデルは、テキストと画像の生成が著しく進歩するが、長く複雑なテキストプロンプトを処理する際には困難に直面する。 本稿では,Large Language Models (LLM) を利用してテキストプロンプトから重要なコンポーネントを抽出する手法を提案する。 複数のオブジェクトを特徴とする複雑なプロンプトの評価は,ベースライン拡散モデルと比較して,リコールの大幅な改善を示す。
  論文  参考訳（メタデータ） (2023-10-16T17:57:37Z)
• InstructCV: Instruction-Tuned Text-to-Image Diffusion Models as Vision Generalists [66.85125112199898]
  我々は,タスク固有の設計選択を抽象化する,コンピュータビジョンタスクのための統一言語インタフェースを開発する。 InstructCVと呼ばれる我々のモデルは、他のジェネラリストやタスク固有の視覚モデルと比較して競合的に機能する。
  論文  参考訳（メタデータ） (2023-09-30T14:26:43Z)
• 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)

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。