انقلاب در تولید محتوا با هوش مصنوعی

و Arena GenAI: با استفاده از الگوریتم ها، معماری ها و داده های نوآورانه، تحولی در ایجاد تصاویر و ویدیوها ایجاد کرده است. با این حال،ارزیابی این مدل های در حال تکامل سریع همچنان چالش برانگیز است. معیارهای موجود مانندFID وCLIP در درک رضایت کاربر و کیفیت های ظریف ناکام هستند. ULTRAEDIT : یک مجموعه داده بزر گمقیاس برای ویرایش تصویر مبتنی بر دستورالعمل یک مجموعه داده عظیم(- ۴ میلیون نمونه) برای ویرایش تصویر مبتنی بر دستورالعمل. این مجموعه داده محدودیت های مجموعه داده های قبلی را با موارد زیر برطرف می کند: • دستورالعمل های ویرایش متنوع: ترکیبLLM ها و مثال های دست چین شده انسانی. • لنگرهای تصویر واقعی: استفاده از تصاویر واقعی با کیفیت بالا برای تولید داده ها. • ویرایش مبتنی بر منطقه: تولید یادداشت های منطق های برای ویرایش دقیق. و ULTRAEDIT مدل های ویرایش پیشرفته مبتنی بر انتشار را تقویت می کند و به عملکرد رکوردشکن در معیارهایی مانندMagicBrush وEmu-Edit دست می یابد. Imagen : فراتر رفتن از مرزهای انتشار تصویر به مت ن یک مدل انتشار تصویر به متن با واقع گرایی و درک زبان ب یسابقه است. این مدل از درک متن مد لهای زبانی بزرگ و تولید تصویر با وضوحبالای مد لهای انتشار بهره م یبرد .به امتیازFID پیشرفته ۷.۲۷ درCOCO بدون آموزش رویCOCO دست می یابد. ماDrawBench را معرفی می کنیم، یک معیار جامع که در آن ارزیابی انسانی نشان میدهدImagen در کیفیت نمونه و همترازی تصویر-متن از مدل های دیگر پیشی می گیرد. این کار پیشرفت هایی در ارزیابیAI مولد، ارائه یک مجموعه داده ویرایش تصویر باکیفیت بالا و تعیین استاندارد جدیدی برای انتشار تصویربه متن ایجاد می کند.

کلیدواژه ها:

و GenAI-Arena ، ULTRAEDIT ، Imagen ، تولید تصو یر مبتنی بر متن ، ویرایش تصویر مبتنی بر دستورالعمل ، ارزیابی مدل های مولد ، پلتفرم ارزیابی مدل