نویسندگان:
(1) Xian Liu، Snap Inc.، CUHK با کارهای انجام شده در طول دوره کارآموزی در Snap Inc.
(2) جیان رن، شرکت اسنپ با نویسنده مسئول: [email protected];
(3) Aliaksandr Siarohin، Snap Inc.
(4) ایوان اسکوروخودوف، شرکت اسنپ؛
(5) Yanyu Li، Snap Inc.
(6) داهوا لین، CUHK؛
(7) Xihui Liu، HKU;
(8) Ziwei Liu، NTU;
(9) سرگئی تولیاکوف، شرکت اسنپ.
جدول پیوندها
چکیده و 1 مقدمه
2 کارهای مرتبط
3 رویکرد ما و 3.1 مقدمات و تنظیم مشکل
3.2 مدل نفوذ ساختاری پنهان
3.3 پالایشگر هدایت شده ساختار
4 مجموعه داده انسان آیه
5 آزمایش
5.1 نتایج اصلی
5.2 مطالعه فرسایش
6 بحث و مراجع
یک ضمیمه و A.1 نتایج کمی اضافی
A.2 جزئیات بیشتر پیاده سازی و A.3 نتایج بیشتر مطالعه Ablation
A.4 جزئیات بیشتر مطالعه کاربر
الف.5 تأثیر استحکام بذر و مدل تصادفی و تأثیر مرزی الف.6 و ملاحظات اخلاقی
A.7 نتایج مقایسه بیشتر و A.8 نتایج کیفی اضافی
A.9 مجوزها
چکیده
علیرغم پیشرفت‌های قابل توجه در مدل‌های متن به تصویر در مقیاس بزرگ، دستیابی به تولید تصویر انسانی فراواقعی یک کار مطلوب و در عین حال حل نشده باقی مانده است. مدل های موجود مانند Stable Diffusion و DALL·E 2 تمایل به تولید تصاویر انسانی با قسمت های نامنسجم یا حالت های غیر طبیعی دارند. برای مقابله با این چالش ها، بینش کلیدی ما این است که انسان…