计算机科学 > 计算机视觉与模式识别
[提交于 2025年1月2日
]
标题: 嵌套注意力:用于概念个性化的语义感知注意力值
标题: Nested Attention: Semantic-aware Attention Values for Concept Personalization
摘要: 将文本到图像模型个性化以在各种场景和风格中生成特定主题的图像是一个快速发展的领域。 当前的方法常常面临在身份保留和与输入文本提示对齐之间保持平衡的挑战。 一些方法依赖于一个文本标记来表示一个主题,这限制了表达能力,而其他方法则采用更丰富的表示,但会破坏模型的先验知识,降低提示对齐度。 在本工作中,我们引入了嵌套注意力,这是一种新颖的机制,它将丰富且具有表现力的图像表示注入到模型现有的交叉注意力层中。 我们的核心思想是生成依赖于查询的主题值,这些值来自学习为生成图像中的每个区域选择相关主题特征的嵌套注意力层。 我们将这些嵌套层集成到基于编码器的个性化方法中,并表明它们能够在遵循输入文本提示的同时实现高身份保留。 我们的方法具有通用性,可以在各种领域进行训练。 此外,其先验保留特性使我们能够在一个图像中结合来自不同领域的多个个性化主题。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.