محققان در مقاله جدیدی، چارچوب نوآورانه «SPaRa-DCAL» را معرفی کردهاند که دنیای تولید تصویر با متن (Text-to-Image) را یک قدم به جلو برده است.
این روش با دو تکنیک هوشمندانه:
✅ SPaRa: تطبیقدهی مرحلهبهمرحله با استفاده از تنظیمات کمرتبه (Low-rank) برای دقت بیشتر در یادگیری هویت سوژه.
✅ DCAL: کالیبره کردن توزیع در زمان استنتاج برای حفظ تنوع و کیفیت بصری خروجیها.
این مدل که روی معماری SDXL آزمایش شده، نشان میدهد که چطور میتوان با حفظ جزئیات دقیق، تصاویر بسیار باکیفیت و شخصیسازیشدهتری خلق کرد. این دستاورد میتواند سرعت و دقت ابزارهای طراحی را به شدت افزایش دهد! ✨
منبع: arXiv Computer Vision