PartCraft: Создание творческих объектов по частям

PartCraft: Crafting Creative Objects by Parts

July 5, 2024

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

cs.AI

Аннотация

Эта статья продвигает творческий контроль в генеративном визуальном ИИ, позволяя пользователям "выбирать". Отходя от традиционных методов на основе текста или эскизов, мы впервые позволяем пользователям выбирать визуальные концепции по частям для их творческих усилий. Результатом является генерация с тонкой детализацией, которая точно передает выбранные визуальные концепции, обеспечивая целостный и правдоподобный результат. Для достижения этого мы сначала разбиваем объекты на части через кластеризацию признаков без учителя. Затем мы кодируем части в текстовые токены и вводим потерю нормализованного внимания на основе энтропии, которая на них действует. Этот дизайн потерь позволяет нашей модели изучить общие знания о топологии объекта и его частях, а также обобщить на новые комбинации частей, чтобы генерация выглядела целостно правдоподобной. Наконец, мы используем кодировщик с узким местом для проекции токенов частей. Это не только повышает достоверность, но и ускоряет обучение, используя общие знания и облегчая обмен информацией между экземплярами. Визуальные результаты в статье и дополнительном материале демонстрируют убедительную силу PartCraft в создании высококастомизированных инноваций, олицетворенных "очаровательными" и творческими птицами. Код доступен по ссылке 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.