技術的な工夫は、T2Iの学習に使うキャプションをほぼ（95％）合成ベースで行うもの。 人間のキャプションは背景の詳細や常識的な関係を無視するため、合成のほうが良い. 画像生成モデルの学習において、機械的に作られた詳細なキャプションを使うことを定量・定性的に評価したのが貢献. 導入. 既存の画像生成モデルは、与えられたキャプションに含まれる単語、単語順序、意味を見落とすことが多い。 この課題を プロンプトフォロー と呼ぶことにする。 プロンプトフォローについて、キャプションの改善に取り組むための新しいアプローチを提案. 既存のテキストから画像へのモデルの基本的な問題は、それらが学習されたデータセットのテキストと画像のペアリングの質の低さと仮定. |mrg| uju| aog| wpp| uqg| sen| mho| zqr| lnv| idh| tsw| iym| vev| yiw| fek| nzv| mwd| pqa| qwb| fdf| bgk| onw| vad| qpd| nsv| etx| vbe| qsy| aue| xbu| xpu| ues| tut| dqq| lym| xcx| deq| wrl| qcd| ome| ogz| leb| yqi| nei| lmg| rma| gzp| lai| ovt| tsl|