Компьютерные науки > Машинное обучение [представлено 16 июля 2026 (v1), последнее пересмотренное 17 сентября 2026 года (эта версия, v2)) Название: Multi-Axis Max@KSuppement Learning for representation multiversity in Text-to Image Generation View PDF HTML (экспериментальное) Abstract-to-image (T2I), модели могут синтезировать реалистичные и быстро управляемые изображения, однако образцы, полученные для одного и того же оперативного процесса, часто охватывают лишь небольшой подмножек визуальных различных режимов. Это ограничивает разнообразие, и для индивидуализированных целей оно может отражать или усиливать демографический скейт. Мы официально оформим эту проблему как целевой режим охвата, охват предопределённого набора семантически определенных режимов и предлагаем многоосную программу " макс. ' К &qt; , предусматривающую групповую цель укрепления обучения в целях ее усовершенствования при использовании моделей Т2I на основе распространения. Учитывая группу образцов и один балл за целевой режим, мульти-оси макс@K сначала берут максимальный балл по выборке для каждого режима, а затем суммируют эти максимальные значения в каждом режиме. Получаемая в результате кредитная уступка дает пробу положительного веса только тогда, когда она повышает максимальную группу этого режима, так что различные выборки могут влиять на разные режимы. Мы проверяем механизм кредитования на синтетических смеси и на SD3,5-M с детерминистскими пиксельными цветами, а затем применяем ту же…
Multi-Axis Max@K Укрепление обучения для репрезентативного разнообразия в поколениях текстоиздания
arXiv: 2607.14962v2 Annuate Type: заменить перекрестное резюме: модели " текст-изображение (T2I) &qt; могут синтезировать реалистичные, быстро изменяющиеся изображения, однако образцы, полученные для одной и той же оперативной работы, часто охватывают лишь небольшой поднабор визуальных режимов. Это ограничивает разнообразие, и для индивидуализированных целей оно может отражать или усиливать демографический скейт. Мы официально оформим эту проблему как целевой режим охвата, охват предопределённого набора семантически определенных режимов и предлагаем многоосную программу " макс. ' К &qt; , предусматривающую групповую цель укрепления обучения в целях ее усовершенствования при использовании моделей Т2I на основе распространения. Учитывая группу образцов и один балл за целевой режим, мульти-оси макс@K сначала берут максимальный балл по выборке для каждого режима, а затем суммируют эти максимальные значения в каждом режиме. Получаемая в результате кредитная уступка дает пробу положительного веса только тогда, когда она повышает максимальную группу этого режима, так что различные выборки могут влиять на разные режимы. Мы проверяем механизм кредитования на синтетических смеси и УР3,5-М