合成图像在AI训练效率方面设立了新的标杆
合成图像在AI训练效率方面创下新标杆
麻省理工学院（MIT）的研究团队展示了利用合成图像训练机器学习模型可以优于传统使用真实图像的训练方法。
这种称为“多正对比学习”的策略使用StableRep生成合成图像，该图像是使用Stable Diffusion等文本到图像模型生成的。
StableRep允许在生成模型中调整“指导尺度”，以平衡合成图像的多样性和保真度。
研究人员还通过添加语言监督创建了StableRep+。他们用2000万个合成图像训练了StableRep+，并确定它比使用5000万个真实图像训练的CLIP模型更高效。但是，研究人员承认，文本提示的选择并不完全无偏。
麻省理工学院的Lijie Fan表示：“使用最新的文本到图像模型，我们对图像生成获得了前所未有的控制能力，从单个文本输入中获得了各种多样化的视觉效果。这超过了实际图像收集在效率和多用途性方面。”来自MIT News 查看原文
摘要版权 © 2023 美国华盛顿特区 SmithBucklin SmithBucklin 
