[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

ड्रीमबूथ और इंस्टेंटआईडी में बेहतर चेहरे की समानता के लिए संवर्द्धन के माध्यम से सिंथेटिक डेटा उत्पन्न करना

Created by
  • Haebom

लेखक

कोरे उलुसन, बेंजामिन कीफर

रूपरेखा

यह पत्र शौकिया तस्वीरों से पेशेवर-गुणवत्ता वाले चित्र बनाने के लिए स्थिर प्रसार वैयक्तिकरण में चेहरे की समानता बनाए रखने के लिए संवर्द्धन रणनीतियों के प्रभाव का मूल्यांकन करता है। दो वैयक्तिकरण विधियों, ड्रीमबूथ और इंस्टेंटआईडी के लिए, हम पारंपरिक संवर्द्धन (बाएं-दाएं फ़्लिपिंग, क्रॉपिंग और रंग समायोजन) की तुलना इंस्टेंटआईडी की सिंथेटिक छवियों का उपयोग करके जनरेटिव संवर्द्धन के साथ करते हैं और उसका विश्लेषण करते हैं। हम एसडीएक्सएल और एक नए फेसनेट-आधारित फेसडिस्टेंस मीट्रिक का उपयोग करके चेहरे की समानता का मात्रात्मक मूल्यांकन करते हैं। प्रयोगात्मक परिणाम दर्शाते हैं कि पारंपरिक संवर्द्धन ऐसे आर्टिफैक्ट उत्पन्न कर सकता है जो लोगों की पहचान में बाधा डालते हैं, जबकि इंस्टेंटआईडी ओवरफिटिंग से बचने के लिए वास्तविक छवियों के साथ संतुलित तरीके से उपयोग किए जाने पर निष्ठा में सुधार करता है।

Takeaways, Limitations

Takeaways:
हम यह प्रदर्शित करते हैं कि इंस्टेंटआईडी का उपयोग करने वाली जनरेटिव संवर्द्धन रणनीति ड्रीमबूथ की तुलना में व्यक्तिगत पोर्ट्रेट निर्माण में उच्च फोटो यथार्थवाद और उपयोगकर्ता वरीयता प्रदान करती है।
मौजूदा संवर्द्धन रणनीतियों की कमियों और उत्पादक संवर्द्धन रणनीतियों के उचित उपयोग का सुझाव देकर व्यक्तिगत छवि निर्माण के गुणात्मक सुधार में योगदान देता है।
हम एक नए फेसडिस्टेंस मीट्रिक के माध्यम से चेहरे की समानता का मात्रात्मक मूल्यांकन करने के लिए एक नवीन विधि प्रस्तुत करते हैं।
Limitations:
उपयोगकर्ता अध्ययन प्रतिभागियों की संख्या सीमित हो सकती है (97 प्रतिभागी)।
किसी विशिष्ट चेहरा पहचान मॉडल (फेसनेट) पर निर्भरता परिणामों की सामान्यता को सीमित कर सकती है।
इंस्टैंटआईडी और ड्रीमबूथ के अलावा अन्य वैयक्तिकरण विधियों पर और अधिक शोध की आवश्यकता है।
विभिन्न प्रकार की शौकिया फोटोग्राफी में सामान्यीकरण का निर्धारण करने के लिए आगे अनुसंधान की आवश्यकता है।
👍