PartCraft: Creando Objetos Creativos por Partes

PartCraft: Crafting Creative Objects by Parts

July 5, 2024

Autores: Kam Woh Ng, Xiatian Zhu, Yi-Zhe Song, Tao Xiang

cs.AI

Resumen

Este documento impulsa el control creativo en la inteligencia artificial visual generativa al permitir a los usuarios "seleccionar". Alejándonos de los métodos tradicionales basados en texto o bocetos, por primera vez permitimos a los usuarios elegir conceptos visuales por partes para sus emprendimientos creativos. El resultado es una generación detallada que captura precisamente los conceptos visuales seleccionados, garantizando un resultado fiel y plausible de manera holística. Para lograr esto, primero dividimos los objetos en partes a través de agrupaciones de características no supervisadas. Luego, codificamos las partes en tokens de texto e introducimos una pérdida de atención normalizada basada en entropía que opera sobre ellas. Este diseño de pérdida permite que nuestro modelo aprenda conocimientos topológicos genéricos previos sobre la composición de partes del objeto, y generalice a composiciones de partes novedosas para garantizar que la generación luzca fiel de manera holística. Por último, empleamos un codificador de cuello de botella para proyectar los tokens de partes. Esto no solo mejora la fidelidad, sino que también acelera el aprendizaje, aprovechando el conocimiento compartido y facilitando el intercambio de información entre instancias. Los resultados visuales en el documento y el material suplementario muestran el poder convincente de PartCraft en la creación altamente personalizada e innovadora, ejemplificada por los pájaros "encantadores" y creativos. El código está disponible en https://github.com/kamwoh/partcraft.

English

This paper propels creative control in generative visual AI by allowing users to "select". Departing from traditional text or sketch-based methods, we for the first time allow users to choose visual concepts by parts for their creative endeavors. The outcome is fine-grained generation that precisely captures selected visual concepts, ensuring a holistically faithful and plausible result. To achieve this, we first parse objects into parts through unsupervised feature clustering. Then, we encode parts into text tokens and introduce an entropy-based normalized attention loss that operates on them. This loss design enables our model to learn generic prior topology knowledge about object's part composition, and further generalize to novel part compositions to ensure the generation looks holistically faithful. Lastly, we employ a bottleneck encoder to project the part tokens. This not only enhances fidelity but also accelerates learning, by leveraging shared knowledge and facilitating information exchange among instances. Visual results in the paper and supplementary material showcase the compelling power of PartCraft in crafting highly customized, innovative creations, exemplified by the "charming" and creative birds. Code is released at https://github.com/kamwoh/partcraft.