آیا تا به حال با مشکل خراب شدن کیفیت تصاویر هنگام استفاده از ‘Negative Prompt’ در مدلهای دیفیوژن روبرو شدید؟ محققان روشی نوآورانه به نام ContrastiveCFG معرفی کردهاند که به جای استفاده از روشهای سنتی (که گاهی باعث افت کیفیت میشود)، با استفاده از «تلفات تقابلی» (Contrastive Loss) به مدل یاد میدهد که چطور مفاهیم مثبت را تقویت و مفاهیم ناخواسته را دقیقتر از تصویر حذف کند.
این یعنی کنترل بسیار بالاتر روی خروجی مدلهای هوش مصنوعی بدون اینکه کیفیت هنری یا ترکیببندی تصویر بههم بریزد! یک قدم بزرگ دیگر برای دقیقتر کردن نسل جدید تولیدکنندههای تصویر.
منبع: arXiv AI