Varif.ai：可扩展图像生成中用户驱动多样性的变化与验证

图像生成中的多样性对于确保公平representation和支持创意构思至关重要。尽管许多文本到图像模型已实现多样化机制，但在经过几轮生成后，多样性不足的问题变得明显，因为每个用户都有其独特的多样性目标。为了支持用户驱动的多样性控制，我们提出了Varif.ai，它使用文本到图像和大型语言模型迭代地：i）生成一组图像，ii）验证用户指定属性是否具有足够的覆盖范围，iii）变化现有或新属性。通过一项引发研究，我们揭示了用户对图像生成多样性的需求。试点验证表明Varif.ai使实现多样化图像集变得更加容易。在20名参与者的对照评估中，Varif.ai在各种场景中比基线方法更有效。因此，这支持了创意构思和可扩展图像生成中用户对多样性的控制。