Expansion de Prompt pour la Génération Adaptative de Texte à Image

Prompt Expansion for Adaptive Text-to-Image Generation

December 27, 2023

Auteurs: Siddhartha Datta, Alexander Ku, Deepak Ramachandran, Peter Anderson

cs.AI

Résumé

Les modèles de génération d'images à partir de texte sont puissants mais difficiles à utiliser. Les utilisateurs élaborent des instructions spécifiques pour obtenir de meilleures images, bien que celles-ci puissent être répétitives. Cet article propose un cadre d'Expansion de Prompt qui aide les utilisateurs à générer des images de haute qualité et diversifiées avec moins d'effort. Le modèle d'Expansion de Prompt prend une requête textuelle en entrée et produit un ensemble de prompts textuels étendus, optimisés de manière à ce que, lorsqu'ils sont transmis à un modèle de génération d'images à partir de texte, ils génèrent une plus grande variété d'images attrayantes. Nous menons une étude d'évaluation humaine qui montre que les images générées via l'Expansion de Prompt sont plus esthétiques et diversifiées que celles générées par les méthodes de référence. Globalement, cet article présente une approche novatrice et efficace pour améliorer l'expérience de génération d'images à partir de texte.

English

Text-to-image generation models are powerful but difficult to use. Users craft specific prompts to get better images, though the images can be repetitive. This paper proposes a Prompt Expansion framework that helps users generate high-quality, diverse images with less effort. The Prompt Expansion model takes a text query as input and outputs a set of expanded text prompts that are optimized such that when passed to a text-to-image model, generates a wider variety of appealing images. We conduct a human evaluation study that shows that images generated through Prompt Expansion are more aesthetically pleasing and diverse than those generated by baseline methods. Overall, this paper presents a novel and effective approach to improving the text-to-image generation experience.