学习多维人类偏好的文本到图像生成
原文中文，约1500字，阅读约需4分钟。
📝
内容提要
本研究引入人类喜好数据集和偏好评分模型，以更准确评估文本到图像生成模型的质量。通过人类评分和分类器，提出了一种基于稳定扩散的方法，生成更符合人类审美的图像。同时，开发了ImageReward模型，成为文本到图像合成的有效评估标准。
❓
Q&A
什么是人类喜好数据集 v2 (HPD v2)？
人类喜好数据集 v2 (HPD v2) 是用于更准确评估文本到图像生成模型质量的数据集。
ImageReward 模型的主要功能是什么？
ImageReward 是第一个通用的文本到图像人类偏好奖励模型，用于评估和改进文本到图像合成。
如何提高文本到图像生成模型的质量？
通过引入人类评分和偏好分类器，调整生成模型以更符合人类审美偏好，可以提高模型质量。
什么是 Preference Score（PS）？
Preference Score（PS）是一种新型的基于学习的评估指标，用于定量评估人类偏好。
Pick-a-Pic 数据集的用途是什么？
Pick-a-Pic 数据集用于收集来自文本到图像用户的大规模偏好数据，以训练评分函数。
LLMScore 如何评估文本到图像合成模型？
LLMScore 利用大语言模型提供多层次的组成性评估得分，与人类评估的相关性显著更高。
🏷️
