- MagicTailor: Component-Controllable Personalization in Text-to-Image Diffusion Models
이미지의 component별로 control 할 수 있는 모델. 내가 선택한 component들로 하나의 이미지를 생성한다. semantic mask를 이용해 component를 추출. (추출은 논문에서 제시한 DM-Deg 모델 사용) 이후 diffusion으로 이미지 합성 후, 가장 loss가 적은 pair를 고른다. 아마 모든 이미지에 대해서는 어려울 것 같다. 뭔가 내공이 담긴 느낌의 논문. 저자진(1CUHK 2SIAT, CAS 3NUS 4Zhejiang Lab 5Shanghai AI Lab)이 다양하다. - Diffusion Curriculum: Synthetic-to-Real Generative Curriculum Learning via Image-Guided Diffusion
real image를 guide로 주어 생성하는 것에는 크게 2개의 challenge가 있다고 한다. : long-tail classification, and learning from low-quality images. 각 이미지 별로의 guidance를 다르게 주어 모델을 fine-tuning 하는 방식으로 이를 해결한다. 흥미롭다. 저자진은 University of Maryland, College Park 소속. 3명이서 작성한 논문이라니. - Are AI Detectors Good Enough? A Survey on Quality of Datasets With Machine-Generated Texts
AI가 만든 데이터는 아무래도 퀄리티가 떨어질 수 밖에 없다. 그런 점을 보완하는 방법에 대해 기술한 논문. training detection model과 dataset에 대한 전략을 제시한다.
공부