比赛目标
本次比赛的目标是扭转生成文本到图像模型的典型方向:不是从文本提示生成图像,而是可以创建一个模型来预测给定生成图像的文本提示吗?您将对包含由 Stable Diffusion 2.0 生成的各种(提示、图像)对的数据集进行预测,以了解潜在关系的可逆性。
语境
文本到图像模型的流行已经摒弃了一个全新的提示工程领域。一部分是艺术,一部分是悬而未决的科学,机器学习从业者和研究人员正在迅速努力理解提示与其生成的图像之间的关系。将“4k”添加到提示中是使其更具摄影性的最佳方式吗?提示中的小扰动会导致高度不同的图像吗?提示关键字的顺序如何影响生成的场景?本次比赛的任务是创建一个模型,该模型可以可靠地反转生成给定图像的扩散过程。
为了以稳健的方式计算提示相似度——这意味着尽管字符级别存在差异,“epic cat”的评分与“majestic kitten”相似——您将提交预测提示的嵌入。是直接对嵌入建模还是首先预测提示然后转换为嵌入由您决定!祝你好运,愿你在本文中创建“高质量、专注、复杂、详细、具有不真实的稳健交叉验证风格”的模型。
这是一个代码竞赛。有关详细信息,请参阅代码要求。