基于提示引导的图像自适应神经隐式查找表用于可解释的图像增强
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对可解释的图像增强技术,通过使用可学习的过滤器架构提升图像质量。我们引入图像自适应神经隐式查找表,结合提示引导损失,使每个过滤器具有易理解的名称,确保其只影响目标视觉印象。实验结果表明,该方法在性能上超越了以往预定义过滤器的方法。
该论文介绍了Contrastive Guidance方法,通过修改分类器,实现对文本到图像模型的精细控制。该方法使用正面提示和基准提示来描述所需的图像因素。该方法在领域特定扩散模型训练、文本到图像生成和零-shot图像编辑器性能方面具有优势。