只需微调，大幅提升人脸生成质量！上交联合OPPO发布新标准和新方法

‍‍点击下方卡片，关注“AIGC Studi0” 文章链接：https://arxiv.org/pdf/2406.17100今天和大家一起学习的是对现实生活中生成的人脸细节进行优化的工作。扩散模型（DMs）在根据文本描述生成想象力丰富的图像方面取得了显著的成功。然而，在处理现实生活中复杂细节的场景时，它们很可能会表现不佳。文本到图像生成中低质量、不真实的人脸是其中最突出的问题之一，这限制了DMs在实际应用中的广泛应用。为了解决这一问题，本文首先通过人类标注者评估了几种流行预训练DM生成的人脸质量，然后评估了现有度量方法（如ImageReward、人类偏好分数、美学评分预测器和人脸质量评估）与人类判断之间的一致性。观察到现有度量方法可能无法令人满意地量化人脸质量，开发了一种名为Face Score（FS）的新度量方法，通过在DM生成的（好、坏）人脸对数据集上便 ………………………………