هوش مصنوعی
TailSteer برای کاهش انحراف تصویر در ویرایش‌های چندمرحله‌ای معرفی شد
این روش با اصلاح بخش پایانی فرایند تولید تصویر، می‌کوشد تغییرهای ناخواسته را در ویرایش‌های پیاپی مهار کند؛ بدون آنکه توانایی‌های قبلی مدل را از نو آموزش دهد.
![Figure 1: Single- and multi-input multi-turn editing. TailSteer substantially reduces cumulative drift over editing turns while retaining the base model’s (FLUX.2 [klein] Base 9B) editing capability.](https://arxiv.org/html/2611.06741/2611.06741v1/fig0-teaser_figure.png)
پژوهشگران در پیش‌چاپی در arXiv چارچوب آموزشی TailSteer را معرفی کرده‌اند؛ روشی برای جلوگیری از انباشته‌شدن تغییرهای ناخواسته هنگام ویرایش مکرر یک تصویر. عملکرد خوب در یک ویرایش، به‌تنهایی تضمین نمی‌کند که تصویر پس از چندین مرحله همچنان به محتوای اصلی وفادار بماند.
TailSteer اصلاح‌های مربوط به حفظ محتوای اصلی را به بخش پایانی مسیر حذف نویز محدود می‌کند و پویایی مراحل ابتدایی را نزدیک به مدل پایه نگه می‌دارد. این اصلاح‌ها از مسیرهای حذف نویز خود مدل یاد گرفته می‌شوند و برای آموزش به جفت‌های ویرایشیِ مرجع که از پیش گردآوری شده باشند نیاز ندارند.
بر اساس چکیدهٔ پژوهش، آزمایش‌ها روی خانواده‌های FLUX، SenseNova و Qwen نشان داده‌اند که این روش انحراف تجمعی را در ۱۵ تا ۲۰ دور ویرایش به‌طور چشمگیری کاهش می‌دهد و در عین حال عملکرد مدل‌های پایه را در معیارهای گستردهٔ تولید متن‌به‌تصویر و ویرایش تک‌تصویر تا حد زیادی حفظ می‌کند. مقاله در arXiv منتشر شده و هنوز پیش‌چاپ است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده