A Creative Industry Image Generation Dataset Based on Captions

要約

ほとんどの画像生成方法は、構造、スケール、形状など、生成された画像のプロパティを正確に制御することが難しく、概念設計やグラフィック デザインなどのクリエイティブ産業での大規模なアプリケーションが制限されます。
プロンプトとスケッチを使用することは、制御性を高めるための実用的なソリューションです。
既存のデータセットには、プロンプトまたはスケッチがなく、クリエイティブ業界向けに設計されていません。
これが私たちの仕事の主な貢献です。
a) これは、クリエイティブ業界のドメインの 4 つの最も重要な領域をカバーする最初のデータセットであり、プロンプトとスケッチのラベル​​が付けられています。
b) テスト セット内の複数の参照画像と、測定に役立つ各参照の詳細なスコアを提供します。
c) 2 つの最先端のモデルをデータセットに適用し、プロンプトがスケッチよりも高く評価されるなど、いくつかの欠点を見つけます。

要約(オリジナル)

Most image generation methods are difficult to precisely control the properties of the generated images, such as structure, scale, shape, etc., which limits its large-scale application in creative industries such as conceptual design and graphic design, and so on. Using the prompt and the sketch is a practical solution for controllability. Existing datasets lack either prompt or sketch and are not designed for the creative industry. Here is the main contribution of our work. a) This is the first dataset that covers the 4 most important areas of creative industry domains and is labeled with prompt and sketch. b) We provide multiple reference images in the test set and fine-grained scores for each reference which are useful for measurement. c) We apply two state-of-the-art models to our dataset and then find some shortcomings, such as the prompt is more highly valued than the sketch.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google