ترجمه فارسی مقاله اجتناب از بلوک نویسنده مدل مولد با جاسازی نادینگ

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Avoiding Generative Model Writer's Block With Embedding Nudging
عنوان مقاله به فارسی اجتناب از بلوک نویسنده مدل مولد با جاسازی نادینگ
نویسندگان Ali Zand, Milad Nasr
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Computer Vision and Pattern Recognition,یادگیری ماشین , دید رایانه و تشخیص الگوی ,
توضیحات Submitted 27 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Generative image models, since introduction, have become a global phenomenon. From new arts becoming possible to new vectors of abuse, many new capabilities have become available. One of the challenging issues with generative models is controlling the generation process specially to prevent specific generations classes or instances . There are several reasons why one may want to control the output of generative models, ranging from privacy and safety concerns to application limitations or user preferences To address memorization and privacy challenges, there has been considerable research dedicated to filtering prompts or filtering the outputs of these models. What all these solutions have in common is that at the end of the day they stop the model from producing anything, hence limiting the usability of the model. In this paper, we propose a method for addressing this usability issue by making it possible to steer away from unwanted concepts (when detected in model's output) and still generating outputs. In particular we focus on the latent diffusion image generative models and how one can prevent them to generate particular images while generating similar images with limited overhead. We focus on mitigating issues like image memorization, demonstrating our technique's effectiveness through qualitative and quantitative evaluations. Our method successfully prevents the generation of memorized training images while maintaining comparable image quality and relevance to the unmodified model.

چکیده به فارسی (ترجمه ماشینی)

مدل های تصویر تولیدی ، از زمان مقدمه ، به یک پدیده جهانی تبدیل شده اند.از اینکه هنرهای جدید به بردارهای جدید سوءاستفاده امکان پذیر می شوند ، بسیاری از قابلیت های جدید در دسترس بوده اند.یکی از موضوعات چالش برانگیز در مدل های تولیدی ، کنترل فرآیند تولید به ویژه برای جلوگیری از کلاس ها یا موارد نسل خاص است.دلایل مختلفی وجود دارد که ممکن است فرد بخواهد خروجی مدل های تولیدی را کنترل کند ، از حریم خصوصی و نگرانی های ایمنی گرفته تا محدودیت های برنامه یا ترجیحات کاربر برای پرداختن به چالش های حفظ و حفظ حریم خصوصی ، تحقیقات قابل توجهی برای فیلتر کردن اعلان ها یا فیلتر کردن خروجی های این موارد انجام شده است.مدل ها.آنچه همه این راه حل ها با هم مشترک هستند این است که در پایان روز آنها از تولید هر چیزی جلوگیری می کنند ، از این رو قابلیت استفاده از مدل را محدود می کند.در این مقاله ، ما روشی را برای پرداختن به این مسئله قابلیت استفاده پیشنهاد می کنیم و می توان از مفاهیم ناخواسته (در صورت شناسایی در خروجی مدل) و هنوز هم تولید خروجی ها دور شد.به طور خاص ، ما بر روی مدل های تولید کننده تصویر انتشار نهفته تمرکز می کنیم و اینکه چگونه می توان در حالی که تصاویر مشابه با سربار محدود تولید می کند ، از تولید تصاویر خاص جلوگیری کند.ما بر روی موضوعات کاهش دهنده مانند حفظ تصویر تمرکز می کنیم و اثربخشی تکنیک خود را از طریق ارزیابی های کیفی و کمی نشان می دهیم.روش ما با موفقیت از تولید تصاویر آموزشی به یاد ماندنی ضمن حفظ کیفیت تصویر قابل مقایسه و ارتباط با مدل اصلاح نشده جلوگیری می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.