論文の概要: Premier: Personalized Preference Modulation with Learnable User Embedding in Text-to-Image Generation
- arxiv url: http://arxiv.org/abs/2603.20725v1
- Date: Sat, 21 Mar 2026 09:19:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.058881
- Title: Premier: Personalized Preference Modulation with Learnable User Embedding in Text-to-Image Generation
- Title（参考訳）: Premier: テキスト-画像生成における学習可能なユーザ埋め込みによるパーソナライズされた選好変調
- Authors: Zihao Wang, Yuxiang Wei, Xinpeng Zhou, Tianyu Zhang, Tao Liang, Yalong Bai, Hongzhi Zhang, Wangmeng Zuo,
- Abstract要約: パーソナライズされた画像生成のための新しい嗜好調整フレームワークであるPremierを提案する。
Premierは、各ユーザの好みを学習可能な埋め込みとして表現し、テキストプロンプトに埋め込まれたユーザを融合させる好みアダプタを導入する。
実験により、Premierは、同じ履歴長で以前の方法より優れていることが示された。
- 参考スコア（独自算出の注目度）: 67.23759365022279
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text-to-image generation has advanced rapidly, yet it still struggles to capture the nuanced user preferences. Existing approaches typically rely on multimodal large language models to infer user preferences, but the derived prompts or latent codes rarely reflect them faithfully, leading to suboptimal personalization. We present Premier, a novel preference modulation framework for personalized image generation. Premier represents each user's preference as a learnable embedding and introduces a preference adapter that fuses the user embedding with the text prompt. To enable accurate and fine-grained preference control, the fused preference embedding is further used to modulate the generative process. To enhance the distinctness of individual preference and improve alignment between outputs and user-specific styles, we incorporate a dispersion loss that enforces separation among user embeddings. When user data are scarce, new users are represented as linear combinations of existing preference embeddings learned during training, enabling effective generalization. Experiments show that Premier outperforms prior methods under the same history length, achieving stronger preference alignment and superior performance on text consistency, ViPer proxy metrics, and expert evaluations.
- Abstract（参考訳）: テキスト・ツー・画像生成は急速に進歩してきたが、ユーザー好みの微妙な傾向を捉えるのに苦戦している。
既存のアプローチは通常、ユーザの好みを推測するためにマルチモーダルな大規模言語モデルに頼っているが、派生したプロンプトや潜時コードは、それらを忠実に反映することは滅多になく、最適でないパーソナライゼーションをもたらす。
パーソナライズされた画像生成のための新しい嗜好調整フレームワークであるPremierを提案する。
Premierは、各ユーザの好みを学習可能な埋め込みとして表現し、テキストプロンプトに埋め込まれたユーザを融合させる好みアダプタを導入する。
高精度できめ細かい選好制御を可能にするため、融合選好埋め込みをさらに利用して生成過程を変調する。
個人の好みの明瞭さを高め,出力とユーザ固有のスタイルの整合性を改善するために,ユーザ埋め込み間の分離を強制する分散損失を取り入れた。
ユーザデータが不足している場合には、トレーニング中に学習した既存の嗜好埋め込みの線形結合として、新規ユーザを表現し、効果的な一般化を可能にする。
実験の結果、Premierは同じ履歴長で先行メソッドよりも優れており、テキスト一貫性、ViPerプロキシメトリクス、専門家評価において、より強い優先度調整と優れたパフォーマンスを実現している。
関連論文リスト
- Synthetic Interaction Data for Scalable Personalization in Large Language Models [67.31884245564086]
本稿ではPersonaGymという高忠実な合成データ生成フレームワークを紹介する。
パーソナライゼーションを静的なペルソナ-参照ペアとして扱う以前の作業とは異なり、PersonaGymは動的な選好プロセスをモデル化する。
我々は,高忠実度マルチターンパーソナライズされたインタラクショントラジェクトリの大規模かつ高品質で多様な合成データセットであるPersonaAtlasをリリースする。
論文 参考訳（メタデータ） (2026-02-12T20:41:22Z) - EXACT: Explicit Attribute-Guided Decoding-Time Personalization [11.035465374731563]
EXACTは新しいデコード時のパーソナライゼーションで、生成とペアの好みのフィードバックを限定的に調整する。
EXACTは、好みのモデリング精度やパーソナライズされた生成品質など、強いベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-02-06T14:53:37Z) - Reasoning-Based Personalized Generation for Users with Sparse Data [120.94029850012045]
スパースコンテキスト下でパーソナライズされたテキスト生成を強化する新しいフレームワークであるGraSPerを紹介する。
GraSPerは、ユーザが将来的に対話する可能性のあるアイテムを予測することで、ユーザコンテキストを初めて強化する。
推論アライメントによって、これらのインタラクションのためのテキストを生成して、拡張されたコンテキストを豊かにする。
最終的に、実際の履歴と合成履歴の両方に基づいて、パーソナライズされた出力を生成する。
論文 参考訳（メタデータ） (2026-01-31T01:54:23Z) - PrefGen: Multimodal Preference Learning for Preference-Conditioned Image Generation [44.638427866399205]
優先条件付き画像生成は、生成モデルを個々のユーザに適用し、与えられたプロンプトを超えて、個人の美的選択を反映したアウトプットを生成する。
マルチモーダルな大言語モデルを用いて、リッチなユーザ表現を抽出し、拡散に基づく画像生成に注入するフレームワークを提案する。
本手法は,画像品質と嗜好アライメントの両方において,強いベースラインを著しく上回る。
論文 参考訳（メタデータ） (2025-12-04T02:57:29Z) - PreferThinker: Reasoning-based Personalized Image Preference Assessment [83.66114370585976]
推論に基づくパーソナライズされた画像嗜好評価フレームワークを提案する。
まず、ユーザーの好みプロファイルを参照画像から予測する。
次に、解釈可能で多次元のスコアと候補画像の評価を提供する。
論文 参考訳（メタデータ） (2025-11-01T16:19:51Z) - Learning User Preferences for Image Generation Model [15.884017849539754]
本稿では,マルチモーダルな大規模言語モデルに基づいて,パーソナライズされたユーザの好みを学習する手法を提案する。
対照的な選好損失は、利用者の「好き」と「嫌い」を効果的に区別するように設計されている。
学習可能な選好トークンは、既存のユーザ間で共有された関心表現をキャプチャし、モデルがグループ固有の選好を活性化し、類似ユーザ間の一貫性を高める。
論文 参考訳（メタデータ） (2025-08-11T17:39:42Z) - Towards Explainable Temporal User Profiling with LLMs [3.719862246745416]
我々は,大規模言語モデル(LLM)を利用して,ユーザのインタラクション履歴の自然言語要約を生成する。
我々のフレームワークは、時間的ユーザの好みをモデル化するだけでなく、解釈可能な方法でレコメンデーションを説明するために使える自然言語プロファイルも生成する。
論文 参考訳（メタデータ） (2025-05-01T22:02:46Z) - Personalized Preference Fine-tuning of Diffusion Models [75.22218338096316]
拡散モデルとパーソナライズされた嗜好を整合させるマルチリワード最適化の目的であるPDを導入する。
PPDでは、拡散モデルがユーザーの個人の好みを数秒で学習する。
提案手法は,Stable Cascadeに対して平均76%の勝利率を達成し,特定のユーザの好みをより正確に反映した画像を生成する。
論文 参考訳（メタデータ） (2025-01-11T22:38:41Z) - Aligning LLM Agents by Learning Latent Preference from User Edits [23.235995078727658]
本研究では,エージェントの出力に対するユーザ編集に基づいて,言語エージェントの対話的学習について検討する。
本稿では,履歴編集データに基づいてユーザの潜伏傾向を推定する学習フレームワーク PreLUDE を提案する。
本稿では,要約とメール作成という2つの対話型環境を導入し,GPT-4シミュレーションユーザを用いて評価を行う。
論文 参考訳（メタデータ） (2024-04-23T17:57:47Z)
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。