文字到影像

深度分析

演化式代幣層級提示優化提升擴散模型文字到影像品質

文字到影像的擴散模型雖生成力強，卻對提示語句極為敏感。研究者利用基因演算法直接演化 CLIP 代幣向量，並以美學預測與 CLIPScore 結合的適應度函數進行優化。實驗在 36 個 Parti Prompt 上較基線方法提升最高 23.93%，證明此方法在提示自動化上具潛力。