Pētnieki no Google DeepMind, OpenAI, Rutgers Universitātes un Korejas Universitātes ir izstrādājuši inovatīvu pieeju, ko sauc par “Putnu”, tekstam uz attēlu (T2I) ģenerēšanai. Šis jaunievedums, vairāku atlīdzību pastiprinātās mācīšanās (RL) ietvars, mērķē uz efektīvu vairāku atlīdzību optimizēšanu un ģenerēto attēlu kvalitātes uzlabošanu.
“Putnu” ietvars īpašu uzmanību pievērš T2I modeļa un reizinātāja paplašināšanas tīkla kopīgai optimizācijai, kas spēlē svarīgu lomu kvalitātziņu textos, kas tiek radīti. Apzinoties iespēju aizmirst sākotnējo ziņu iedzīvošanās procesā, “Putns” ievieš centrētu vadību, lai saglabātu ziņas integritāti.
Lai iekļautu priekšroku informāciju, “Putns” izmanto atlīdzības specifiskus identifikatorus, kas automātiski nosaka ikviena atlīdzību mērķa nozīmīgumu. Veicot paplašināšanas tīkla pārkalibrēšanu, izmantojot “Promptist” datu kopu, “Putns” nodrošina izkārtnes un estētikas vērtējuma ņemšanu vērā RL apmācībā. T2I modeļa izmanto iepriekšēji apmācītu ar “LAION-5B” datu kopu, un to pēc tam padziļina, izmantojot politikas gradienta algoritmu, lai apstrādātu trokšņainības novēršanu kā Markova lēmumu procesu.
Viena no “Putna” galvenajām priekšrocībām ir tā spēja uzlabot vairākus kvalitātes metrikus, ieskaitot estētiku, attēlu emocijas un cilvēku preference, salīdzinot ar vienas atlīdzības modeļa izmantošanu. Centrētā vadība nodrošina, ka ģenerētie attēli iemūžina sākotnējo ziņojumu, iekļaujot vizuāli patīkamus detaļas.
Tomēr, neskatoties uz “Putna” izcilajām iespējām, tas joprojām balstās uz esošajiem metrikas un rada ierobežojumus. Nepieciešami turpmāki uzlabojumi, lai paplašinātu “Putna” pielietojamību plašākam atlīdzību spektram, padarot to piemērotāku attēlu kvalitātes kvantificēšanai.
Svarīgi ir apzināties “Putna” ētiskos aspektus, kas jāņem vērā. Tā iespēja ģenerēt nepiemērotu saturu norāda uz nepieciešamību rūpīgai izpētei un ētiskai novērtēšanai tās izvietošanas laikā.
Secinājumā, “Putna” vairāku atlīdzību RL ietvars ir nozīmīgs solis uz priekšu T2I ģenerēšanas tehnoloģijā. Ar savu kopīgo optimizācijas pieeju un centrētās vadības metodi “Putns” sola uzlabot attēlu kvalitāti un atklāj iespējas tālākām progresēšanai šajā jomā.
The source of the article is from the blog japan-pc.jp