BriefGPT - AI 论文速递
·
文本到图像合成的语义感知数据增强
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过SADA框架提升T2Isyn模型的文本-图像一致性和图像质量。SADA使用ITA扩充文本的语义空间，并使用Lr作为生成图像的语义保持。实验证实SADA在各种模型中提升了文本-图像一致性和图像质量。
🎯
关键要点
- 通过语义感知数据增强 (SADA) 框架提升文本到图像合成 (T2Isyn) 模型的文本-图像一致性和图像质量。
- SADA框架通过隐式文本语义保持增强 (ITA) 扩充文本的语义空间。
- 结合特定设计的图像语义正则化损失 (Lr) 作为生成图像的语义保持。
- SADA框架解决了语义不匹配和坍塌问题。
- 大量实验证实SADA在各种模型中提升了文本-图像一致性和图像质量。
- 特别是在Stable Diffusion模型调整过程中的改进效果显著。
➡️
