SUR-adapter方法提升文本到图像生成质量，简单句就能生成高质量图像｜ACM MM’23

?最新资讯?
新智元报道，中山大学HCP实验室的林倞团队提出了一种名为SUR-adapter的参数高效的微调方法，该方法可以增强text-to-image扩散模型理解关键词的能力。该方法通过对叙述性提示的语义表示与复杂提示的对齐，并结合大型语言模型（LLM）的知识，提升了扩散模型的语义理解和推理能力，从而生成高质量且内容丰富的图像。研究人员还通过构建一个包含简单的叙述性提示、复杂的基于关键字的提示和高质量图像的数据集SURD，验证了该方法的有效性。该方法的提出有助于改善文本到图像生成模型的用户体验，并促进该领域的发展。
??来源：http://weixin.sogou.com/weixin?type=1&s_from=input&query=%E6%96%B0%E6%99%BA%E5%85%83