面向扩散模型的进化式词元级提示优化

文生图扩散模型展现出强大的生成性能，但对提示表述高度敏感，往往需要大量人工试错才能获得满意结果。这促使人们开发自动化、模型无关的提示优化方法，以系统性地探索超越常规文本改写的条件空间。本工作研究使用遗传算法（GA）进行提示优化，直接演化基于CLIP的扩散模型所使用的词元向量。该GA优化一个适应度函数，将LAION Aesthetic Predictor V2度量的美学质量与CLIPScore评估的提示-图像对齐相结合。在Parti Prompts（P2）数据集的36条提示上的实验表明，所提方法优于Promptist与随机搜索等基线方法，适应度最高提升23.93%。总体而言，该方法适用于具有词元化文本编码器的图像生成模型，并为未来扩展提供了一个模块化框架，文中讨论了其局限与前景。