āĻĒāϰāĻŦāϰā§āϤ⧠āĻāĻĒāĻĒāϰāĻŦāϰā§āϤ⧠āĻāĻžāĻāĻĄ
RLHF-āĻāϰ āĻāύā§āϝ āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻĄā§āĻāĻž āϏāĻāĻā§āϰāĻš āĻāϰāĻž
āĻāĻžāώāĻž āĻāĻāĻ
āĻĒā§āϰāϝā§āĻā§āϤāĻŋāĻāϤ āĻāĻžāĻāĻĄ
CLIP āϏā§āĻā§āϰ āĻĒāϰāĻŋāĻŽāĻžāĻĒ āĻāϰ⧠āϝ⧠āĻāĻāĻāĻŋ āĻā§āύāĻžāϰā§āĻ āĻāϰāĻž āĻāĻŦāĻŋ āϤāĻžāϰ āĻā§āĻā§āϏāĻ āĻĒā§āϰāĻŽā§āĻĒāĻā§āϰ āϏāĻžāĻĨā§ āĻāϤāĻāĻž āĻāĻžāϞā§āĻāĻžāĻŦā§ āĻŽā§āϞā§āĨ¤
āĻāĻ āύāĻŋāϰā§āĻĻā§āĻļāĻŋāĻāĻž āĻļā§āύā§āύāĻāĻāĻ-āĻŦāϰā§āĻŖāĻŋāϤ ¡ ~3 min
āĻāĻāĻŋ OpenAI āĻāϰ CLIP āĻŽāĻĄā§āϞā§āϰ āϏāĻžāĻĨā§ āĻāĻŋāϤā§āϰ āĻāĻŦāĻ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻāĻŽā§āĻŦā§āĻĄ āĻāϰ⧠āĻāĻŦāĻ āĻĻā§āĻāĻŋ āĻāĻŽā§āĻŦā§āĻĄāĻŋāĻāϝāĻŧā§āϰ āϤā§āϞāύāĻž āĻāϰā§āĨ¤ āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻŽā§āĻā§āϰāĻŋāĻ āϝā§āĻŽāύ ImageReward, HPS āĻāĻŦāĻ PickScore āĻšāϞ āĻāĻŽāύ āĻŽāĻĄā§āϞ āϝāĻž āĻāĻŦāĻŋāώā§āϝāĻĻā§āĻŦāĻžāĻŖā§ āĻāϰāĻžāϰ āĻāύā§āϝ āĻĒā§āϰāĻļāĻŋāĻā§āώāĻŋāϤ āĻšāϝāĻŧ āϝ⧠āϞā§āĻā§āϰāĻž āĻŦāĻŋāĻāĻŋāύā§āύ āĻāĻŦāĻŋāϰ āĻŽāϧā§āϝ⧠āĻā§āύāĻāĻŋ āĻŦā§āĻā§ āύā§āĻŦā§āĨ¤ āĻāĻ āϏā§āĻā§āϰāĻā§āϞāĻŋ āĻā§āϰā§āϤā§āĻŦāĻĒā§āϰā§āĻŖ āĻāĻžāϰāĻŖ āĻāĻāĻāĻŋ āĻāĻŦāĻŋ āϤāĻžāϰ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻ āύā§āϏāϰāĻŖ āĻāϰ⧠āĻŦāĻž āϞā§āĻā§āĻĻā§āϰ āĻāĻžāĻā§ āĻāĻŦā§āĻĻāύ āĻāϰ⧠āĻāĻŋāύāĻž āϏ⧠āϏāĻŽā§āĻĒāϰā§āĻā§ FID āĻāĻāĻž āĻāĻŋāĻā§āĻ āĻŦāϞ⧠āύāĻž āĻāĻŦāĻ āϏā§āĻā§āϞāĻŋ āĻāĻāύ āĻā§āĻā§āϏāĻ-āĻā§-āĻāĻŽā§āĻ āĻĒā§āĻĒāĻžāϰ, āϞāĻŋāĻĄāĻžāϰāĻŦā§āϰā§āĻĄ āĻāĻŦāĻ āĻĢāĻžāĻāύ-āĻāĻŋāĻāύāĻŋāĻ āĻĒāĻžāĻāĻĒāϞāĻžāĻāύ⧠āĻŽāĻžāύāĻāĨ¤
āĻŦāĻāϰā§āϰ āĻĒāϰ āĻŦāĻāϰ āϧāϰ⧠āĻāĻŽā§āĻ āĻā§āύāĻžāϰā§āĻļāύ āĻĒā§āĻĒāĻžāϰ⧠āĻšā§āĻĄāϞāĻžāĻāύ āύāĻŽā§āĻŦāϰ āĻāĻŋāϞ FID (Frechet Inception Distance)āĨ¤ FID āĻĒā§āϰāĻā§āϤ āĻāĻŦāĻŋāϰ āϏāĻžāĻĨā§ āĻā§āύāĻžāϰā§āĻ āĻāϰāĻž āĻāĻŦāĻŋ āĻĨā§āĻā§ āĻāύāϏā§āĻĒāĻļāύ āύā§āĻāĻāϝāĻŧāĻžāϰā§āĻ āĻŦā§āĻļāĻŋāώā§āĻā§āϝā§āϰ āĻĒāϰāĻŋāϏāĻāĻā§āϝāĻžāύ āϤā§āϞāύāĻž āĻāϰā§āĨ¤ āĻāĻāĻŋ āĻāĻāĻāĻŋ āϏāĻŽā§āĻĒā§āϰā§āĻŖ āĻĄā§āĻāĻžāϏā§āĻā§āϰ āϏā§āϤāϰ⧠āĻŦāĻžāϏā§āϤāĻŦāϤāĻž āĻāĻŦāĻ āĻŦā§āĻāĻŋāϤā§āϰā§āϝāĻā§ āĻā§āϝāĻžāĻĒāĻāĻžāϰ āĻāϰā§, āϤāĻŦā§ āĻāĻāĻŋ āĻāĻāύāĻ āĻĒā§āϰāĻŽā§āĻĒāĻā§āϰ āĻĻāĻŋāĻā§ āϤāĻžāĻāĻžāϝāĻŧ āύāĻž āĻāĻŦāĻ āĻāĻāĻŋ āĻāĻāĻāĻŋ āĻāĻāĻ āĻāĻŋāϤā§āϰ āĻāĻžāϞ āĻāĻŋāύāĻž āϤāĻž āĻāĻĒāύāĻžāĻā§ āĻŦāϞāϤ⧠āĻĒāĻžāϰ⧠āύāĻžāĨ¤ CLIP āϏā§āĻā§āϰ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻĢāĻžāĻāĻ āĻĒā§āϰāĻŖ āĻāϰā§āĨ¤ OpenAI 2021 āϏāĻžāϞ⧠CLIP āĻĒā§āϰāĻāĻžāĻļ āĻāϰā§āĻā§, āĻāĻŽā§āĻ-āĻā§āϝāĻžāĻĒāĻļāύ āĻā§āĻĄāĻŧāĻžāϝāĻŧ āĻĒā§āϰāĻļāĻŋāĻā§āώāĻŋāϤ āĻšāϝāĻŧā§āĻā§ āϝāĻžāϤ⧠āĻŽāĻŋāϞ⧠āϝāĻžāĻāϝāĻŧāĻž āĻāĻŦāĻŋ āĻāĻŦāĻ āĻā§āĻā§āϏāĻ āĻāĻāĻāĻŋ āĻļā§āϝāĻŧāĻžāϰā§āĻĄ āĻāĻŽāĻŦā§āĻĄāĻŋāĻ āϏā§āĻĒā§āϏ⧠āĻāĻāϏāĻžāĻĨā§ āĻŦāϏā§āĨ¤ āĻāĻāĻāĻŋ āĻā§āύāĻžāϰā§āĻļāύ āϏā§āĻā§āϰ āĻāϰāϤā§, āĻāĻĒāύāĻŋ āĻāĻŽā§āĻ āĻāĻŦāĻ āĻāϰ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻāĻŽā§āĻŦā§āĻĄ āĻāϰā§āύ āĻāĻŦāĻ āϤāĻžāĻĻā§āϰ āĻŽāϧā§āϝ⧠āĻā§āϏāĻžāĻāύ āϏāĻžāĻĻā§āĻļā§āϝ āύāĻŋāύāĨ¤ āĻĢāϞāĻžāĻĢāϞ āϏāĻžāϧāĻžāϰāĻŖāϤ 100 āĻĻā§āĻŦāĻžāϰāĻž āĻā§āĻŖāĻŋāϤ āĻšāϝāĻŧ, āĻŦāĻž āĻšā§āϏā§āϞ āĻāĻŦāĻ āϏāĻšāĻāϰā§āĻŽā§āĻĻā§āϰ āĻĻā§āĻŦāĻžāϰāĻž CLIPScore āĻĒā§āĻĒāĻžāϰā§āϰ āĻŽāϤ āĻĒā§āύāϰāĻžāϝāĻŧ āϏā§āĻā§āϞ āĻāϰāĻž āĻšāϝāĻŧāĨ¤ āĻāĻāĻāĻŋ āĻĒā§āϰāĻŽā§āĻĒāĻ āϏā§āĻā§āϰ āĻāĻĒāϰ āĻāĻĄāĻŧ, āĻāĻāĻāĻŋ āĻāĻā§āĻ āϏā§āĻā§āϰ āĻŽāĻžāύ⧠āĻāϰāĻ āĻāĻžāϞ āĻĒāĻžāĻ ā§āϝ āϏāĻžāϰāĻŋāĻŦāĻĻā§āϧāĻāϰāĻŖāĨ¤ āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻāĻā§āϞāĻŋ āĻĨā§āĻā§ āĻļā§āĻāĻžāϰ āĻŽāĻžāϧā§āϝāĻŽā§ āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻŽā§āĻā§āϰāĻŋāĻā§āϏ āĻāϰāĻ āĻāĻ āϧāĻžāĻĒ āĻāĻāĻŋāϝāĻŧā§ āϝāĻžāϝāĻŧāĨ¤ ImageReward (2023) āĻā§āύāĻžāϰā§āĻ āĻāϰāĻž āĻāĻŦāĻŋāϰ āĻŦāĻŋāĻļā§āώāĻā§āĻ āϰâā§āϝāĻžāĻā§āĻāĻŋāĻāϝāĻŧā§āϰ āĻāĻĒāϰ āĻāĻāĻāĻŋ āĻĒā§āϰāώā§āĻāĻžāϰ āĻŽāĻĄā§āϞ āĻĒā§āϰāĻļāĻŋāĻā§āώāĻŋāϤ āĻāϰā§āĻā§āĨ¤ āĻšāĻŋāĻāĻŽā§āϝāĻžāύ āĻĒā§āϰā§āĻĢāĻžāϰā§āύā§āϏ āϏā§āĻā§āϰ (HPS, āĻĒāϰ⧠HPS v2) āĻāĻāĻ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻĨā§āĻā§ āϤā§āϰāĻŋ āĻāϰāĻž āĻāĻŦāĻŋāϰ āĻŽāϧā§āϝ⧠āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻŦā§āĻšā§ āϏāĻāĻā§āϰāĻšā§āϰ āĻāĻĒāϰ āϏā§āĻā§āώā§āĻŽ āϏā§āϰ āĻāϰāĻž CLIPāĨ¤ PickScore-āĻā§ Pick-a-Pic-āĻ āĻĒā§āϰāĻļāĻŋāĻā§āώāĻŋāϤ āĻāϰāĻž āĻšāϝāĻŧā§āĻāĻŋāϞ, āĻāĻāĻāĻŋ āĻāϝāĻŧā§āĻŦ āĻ ā§āϝāĻžāĻĒā§āϰ āĻŦā§āϝāĻŦāĻšāĻžāϰāĻāĻžāϰā§āĻĻā§āϰ āĻāĻžāĻ āĻĨā§āĻā§ āϏāĻāĻā§āϰāĻš āĻāϰāĻž āĻĄā§āĻāĻžāϏā§āĻ āϝāĻžāϰāĻž āϤāĻžāĻĻā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻĻā§āĻāĻŋ āϤā§āϰāĻŋ āĻāϰāĻž āĻāĻŦāĻŋ āĻŦā§āĻā§ āύāĻŋāϝāĻŧā§āĻāĻŋāϞāĨ¤ āĻāĻ āĻŽāĻĄā§āϞāĻā§āϞāĻŋ āύāĻžāύā§āĻĻāύāĻŋāĻāϤāĻž, āϏā§āϏāĻāĻāϤāϤāĻž āĻāĻŦāĻ āĻāĻŦā§āĻĻāύā§āϰ āĻĒāĻžāĻļāĻžāĻĒāĻžāĻļāĻŋ āĻĒā§āϰāĻžāύā§āϤāĻŋāĻāĻāϰāĻŖ āĻā§āϝāĻžāĻĒāĻāĻžāϰ āĻāϰā§āĨ¤ āĻĒā§āϰāϤāĻŋāĻāĻŋ āĻŽā§āĻā§āϰāĻŋāĻ āĻ āύā§āϧ āĻĻāĻžāĻ āĻāĻā§. CLIP āĻāĻāĻļāĻŋāĻāĻāĻžāĻŦā§ āĻļāĻŦā§āĻĻā§āϰ āĻŦā§āϝāĻžāĻā§āϰ āĻŽāϤ⧠āĻāĻāϰāĻŖ āĻāϰā§: āĻāĻāĻŋ āĻĒā§āϰāĻžāϝāĻŧāĻļāĻ āĻāĻŖāύāĻž, āϏā§āĻĨāĻžāύāĻŋāĻ āϏāĻŽā§āĻĒāϰā§āĻ, āύā§āϤāĻŋāĻŦāĻžāĻāĻāϤāĻž āĻāĻŦāĻ āĻā§āύ āϰāĻ āĻā§āύ āĻŦāϏā§āϤā§āϰ āĻ āύā§āϤāϰā§āĻāϤ āϤāĻž āĻŽāĻŋāϏ āĻāϰā§āĨ¤ āĻĒāĻāύā§āĻĻā§āϰ āĻŽāĻĄā§āϞāĻā§āϞāĻŋ āϤāĻžāĻĻā§āϰ āĻā§āĻāĻžāĻāĻžāϰāĻĻā§āϰ āϏā§āĻŦāĻžāĻĻā§āϰ āĻāϤā§āϤāϰāĻžāϧāĻŋāĻāĻžāϰ⧠āĻšāϝāĻŧ āĻāĻŦāĻ āĻāĻāĻāĻŋ āĻĒāĻžāϞāĻŋāĻļ, āϏā§āϝāĻžāĻā§āϰā§āĻā§āĻĄ āĻā§āĻšāĻžāϰāĻžāϰ āĻĒāĻā§āώ⧠āĻšāϤ⧠āĻĒāĻžāϰā§āĨ¤ āĻāĻ āϏāĻŦ āϏā§āĻā§āϰ āĻā§āĻŽ āĻāϰāĻž āϝāĻžāĻŦā§. āĻāĻĒāύāĻŋ āϝāĻĻāĻŋ āĻāĻāĻāĻŋ āϏā§āĻā§āϰā§āϰ āĻŦāĻŋāĻĒāϰā§āϤ⧠āϏāϰāĻžāϏāϰāĻŋ āĻāĻāĻāĻŋ āĻŽāĻĄā§āϞ āĻ āĻĒā§āĻāĻŋāĻŽāĻžāĻāĻ āĻāϰā§āύ, āϤāĻžāĻšāϞ⧠āĻāĻāĻŋ āϞā§āĻā§āĻĻā§āϰ āĻĒāϰāĻŋāĻŦāϰā§āϤ⧠āϏā§āĻā§āϰāĻžāϰāĻā§ āĻā§āĻļāĻŋ āĻāϰāϤ⧠āĻļāĻŋāĻāϤ⧠āĻĒāĻžāϰā§āĨ¤ āĻāĻāĻāĻŋ āϏāĻžāϧāĻžāϰāĻŖ āĻā§āϞ āϧāĻžāϰāĻŖāĻž āĻšāϞ āϝ⧠āĻāĻā§āĻāϤāϰ CLIP āϏā§āĻā§āϰ āϏāĻŦāϏāĻŽāϝāĻŧ āĻāĻāĻāĻŋ āĻāĻžāϞ āĻāĻŦāĻŋ āĻŦā§āĻāĻžāϝāĻŧāĨ¤ āĻā§āĻ āĻĒāĻžāϰā§āĻĨāĻā§āϝāĻā§āϞāĻŋ āĻĒā§āϰāĻžāϝāĻŧāĻļāĻ āĻā§āϞāĻŽāĻžāϞā§āϰ āĻŽāϧā§āϝ⧠āĻĨāĻžāĻā§ āĻāĻŦāĻ āϝāϤā§āύāĻļā§āϞ āĻŽā§āϞā§āϝāĻžāϝāĻŧāύ āϏā§āĻŦāϝāĻŧāĻāĻā§āϰāĻŋāϝāĻŧ āϏā§āĻā§āϰāĻā§āϞāĻŋāĻā§ āĻāĻŽā§āĻĒā§āĻāĻŋāĻļāύāĻžāϞ āĻŦā§āĻā§āĻāĻŽāĻžāϰā§āĻ āĻāĻŦāĻ āĻŽāĻžāύāĻŦ āĻ āϧā§āϝāϝāĻŧāύā§āϰ āϏāĻžāĻĨā§ āϝā§āĻā§āϤ āĻāϰā§āĨ¤
āĻāĻāĻāĻŋ āĻā§āĻā§āϏāĻ-āĻā§-āĻāĻŽā§āĻ āĻŽāĻĄā§āϞā§āϰ āĻĻā§āĻāĻŋ āĻā§āĻāĻĒāϝāĻŧā§āύā§āĻā§āϰ āϤā§āϞāύāĻž āĻāϰ⧠āĻāĻāĻāĻŋ āĻāĻŦā§āώāĻŖāĻž āĻĻāϞ āĻāĻāĻ āύāĻŋāϰā§āĻĻāĻŋāώā§āĻ āĻĒā§āϰāĻŽā§āĻĒāĻ āϏā§āĻā§āϰ āĻāύā§āϝ āĻāĻŦāĻŋ āϤā§āϰāĻŋ āĻāϰ⧠āĻāĻŦāĻ FID-āĻāϰ āĻĒāĻžāĻļāĻžāĻĒāĻžāĻļāĻŋ āĻāĻĄāĻŧ CLIP āϏā§āĻā§āϰ āϰāĻŋāĻĒā§āϰā§āĻ āĻāϰā§āĨ¤ āĻāĻāĻŋ āĻĻā§āĻāĻžāϝāĻŧ āϝ⧠āĻŦāĻžāϏā§āϤāĻŦāĻŦāĻžāĻĻāĻā§ āĻāĻāĻžāϤ āύāĻž āĻāϰā§āĻ āϤāĻžāϤā§āĻā§āώāĻŖāĻŋāĻ āĻāύā§āĻāϤā§āϝ āĻāύā§āύāϤ āĻšāϝāĻŧā§āĻā§āĨ¤
āĻāĻāĻāĻŋ āĻāĻŽā§āĻ āĻā§āύāĻžāϰā§āĻļāύ āĻ ā§āϝāĻžāĻĒ āĻĒā§āϰāϤāĻŋ āĻ āύā§āϰā§āϧ⧠āĻāĻžāϰāĻāύ āĻĒā§āϰāĻžāϰā§āĻĨā§ āϤā§āϰāĻŋ āĻāϰā§, āϤāĻžāĻĻā§āϰ PickScore āĻĻāĻŋāϝāĻŧā§ āϰâā§āϝāĻžāĻā§āĻ āĻāϰ⧠āĻāĻŦāĻ āĻĒā§āϰāĻĨāĻŽā§ āϏāϰā§āĻŦā§āĻā§āĻ-āϏā§āĻā§āϰāĻŋāĻ āĻāĻŽā§āĻ āĻĻā§āĻāĻžāϝāĻŧāĨ¤
āĻāĻāĻāĻŋ āϏā§āĻā§āώā§āĻŽ-āĻāĻŋāĻāύāĻŋāĻ āĻĒā§āϰāĻāϞā§āĻĒ āĻāĻāĻāĻŋ Stable Diffusion āĻŽāĻĄā§āϞāĻā§ āĻĒāĻāύā§āĻĻā§āϰ āĻāĻāĻāĻĒā§āĻā§āϰ āĻĻāĻŋāĻā§ āĻ ā§āϞ⧠āĻĻā§āĻāϝāĻŧāĻžāϰ āĻāύā§āϝ āĻāĻāĻāĻŋ āĻĒā§āϰāϏā§āĻāĻžāϰ āϏāĻāĻā§āϤ āĻšāĻŋāϏāĻžāĻŦā§ ImageReward āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻāϰā§āĨ¤ āĻāĻŋāĻŽ āϤāĻžāϰāĻĒāϰ āĻšāĻžāϤ āĻĻāĻŋāϝāĻŧā§ āύāĻŽā§āύāĻž āĻĒāϰā§āĻā§āώāĻž āĻāϰ⧠āĻĒā§āϰāϏā§āĻāĻžāϰ āĻšā§āϝāĻžāĻāĻŋāĻ āϧāϰāϤā§, āϝā§āĻŽāύ āĻāĻāĻžāϰāϏā§āϝāĻžāĻā§āϰā§āĻā§āĻĄ āϰāĻāĨ¤
āĻāĻāĻāύ āĻŽā§āϞā§āϝāĻžāϝāĻŧāύāĻāĻžāϰ⧠āĻĻā§āĻā§āύ āϝ⧠āĻāĻāĻāĻŋ āĻŽāĻĄā§āϞ 'āύā§āϞ āĻā§āϞāĻā§āϰ āĻāĻĒāϰ⧠āĻāĻāĻāĻŋ āϞāĻžāϞ āĻāύāĻ'-āĻāϰ āĻāύā§āϝ CLIP āϏā§āĻā§āϰ⧠āĻāĻžāϞ āϏā§āĻā§āϰ āĻāϰā§āĻā§ āϝāĻĻāĻŋāĻ āϰāĻāĻā§āϞāĻŋ āĻ āĻĻāϞāĻŦāĻĻāϞ āĻāϰāĻž āĻšāϝāĻŧā§āĻā§āĨ¤ āĻāĻ āĻ ā§āϝāĻžāĻā§āϰāĻŋāĻŦāĻŋāĻāĻ-āĻŦāĻžāĻāύā§āĻĄāĻŋāĻ āϤā§āϰā§āĻāĻŋāĻā§āϞāĻŋ āϧāϰāϤ⧠āϤāĻžāϰāĻž āĻāĻāĻāĻŋ āĻĄāĻŋāĻā§āĻā§āĻāϰ-āĻāĻŋāϤā§āϤāĻŋāĻ āϰāĻāύāĻžāĻŽā§āϞāĻ āĻŦā§āĻā§āĻāĻŽāĻžāϰā§āĻ āϝā§āĻā§āϤ āĻāϰ⧠āϝā§āĻŽāύ GenEvalāĨ¤
āĻŽā§āϞā§āϝāĻžāϝāĻŧāύ āĻāĻŽāύ āĻĒāĻĻā§āϧāϤāĻŋāϰ āĻĻāĻŋāĻā§ āĻāĻāĻŋāϝāĻŧā§ āϝāĻžāĻā§āĻā§ āϝāĻž āĻāĻāĻāĻŋ āĻŦā§āĻļā§āĻŦāĻŋāĻ āĻŽāĻŋāϞ āϏāĻāĻā§āϝāĻžāϰ āĻāĻĒāϰ āύāĻŋāϰā§āĻāϰ āύāĻž āĻāϰ⧠āĻāĻāĻāĻŋ āĻāĻŦāĻŋāϤ⧠āύāĻŋāϰā§āĻĻāĻŋāώā§āĻ āĻĻāĻžāĻŦāĻŋ āĻĒāϰā§āĻā§āώāĻž āĻāϰā§āĨ¤ āĻĒā§āϰāĻļā§āύ-āĻāϤā§āϤāϰ āĻĻā§āĻāϝāĻŧāĻžāϰ āĻĒāĻĻā§āϧāϤāĻŋ āϝā§āĻŽāύ TIFA āĻāĻŦāĻ āĻĄāĻŋāĻā§āĻā§āĻāϰ-āĻāĻŋāϤā§āϤāĻŋāĻ āĻŦā§āĻā§āĻāĻŽāĻžāϰā§āĻ āϝā§āĻŽāύ GenEval āĻāĻŋāĻā§āĻāĻžāϏāĻž āĻāϰ⧠āϝ⧠āĻĒā§āϰāĻŽā§āĻĒāĻā§ āĻĒā§āϰāϤāĻŋāĻāĻŋ āĻŦāϏā§āϤā§, āĻāĻŖāύāĻž āĻāĻŦāĻ āĻŦā§āĻļāĻŋāώā§āĻā§āϝ āĻāϏāϞ⧠āĻāĻĒāϏā§āĻĨāĻŋāϤ āĻšāϝāĻŧ āĻāĻŋāύāĻžāĨ¤ āĻŽāĻžāϞā§āĻāĻŋāĻŽāĻĄāĻžāϞ āĻāĻžāώāĻžāϰ āĻŽāĻĄā§āϞāĻā§āϞāĻŋāĻ āĻŦāĻŋāĻāĻžāϰāĻ āĻšāĻŋāϏāĻžāĻŦā§ āĻāϰāĻ āĻŦā§āĻļāĻŋ āĻŦā§āϝāĻŦāĻšā§āϤ āĻšāϝāĻŧāĨ¤ āĻāĻ āϏāϰāĻā§āĻāĻžāĻŽāĻā§āϞāĻŋāϰ āύāĻŋāĻāϏā§āĻŦ āϤā§āϰā§āĻāĻŋ āĻāĻŦāĻ āĻĒāĻā§āώāĻĒāĻžāϤ āϰāϝāĻŧā§āĻā§, āϤāĻžāĻ āĻāĻā§āϞāĻŋ āĻĒā§āϰāϤāĻŋāϏā§āĻĨāĻžāĻĒāύā§āϰ āĻā§āϝāĻŧā§ āĻāĻŽā§āĻŦā§āĻĄāĻŋāĻ āϏā§āĻā§āϰāĻā§āϞāĻŋāĻā§ āĻĒāϰāĻŋāĻĒā§āϰāĻ āĻāϰāĻžāϰ āϏāĻŽā§āĻāĻžāĻŦāύāĻž āĻŦā§āĻļāĻŋāĨ¤ āĻŽāĻžāύāĻŦ āĻ āϧā§āϝāϝāĻŧāύ āĻāĻŦāĻ āĻĒāĻžāĻŦāϞāĻŋāĻ āĻāϰā§āύāĻž āϰā§āĻĢāĻžāϰā§āύā§āϏ āĻĒāϝāĻŧā§āύā§āĻ āĻĨā§āĻā§ āϝāĻžāϝāĻŧ. āĻāĻŦā§āώāĻāϰāĻž āĻāĻāύāĻ āĻŦāĻŋāϤāϰā§āĻ āĻāϰāĻā§āύ āĻā§āĻāĻžāĻŦā§ āĻĒāĻāύā§āĻĻā§āϰ āĻĄā§āĻāĻž āϏāĻāĻā§āϰāĻš āĻāϰāϤ⧠āĻšāϝāĻŧ āϝāĻž āĻā§āĻāĻžāĻāĻžāϰāĻĻā§āϰ āĻāĻāĻāĻŋ āϏāĻāĻā§āϰā§āĻŖ āĻā§āώā§āĻ ā§āϰ āĻĒāϰāĻŋāĻŦāϰā§āϤ⧠āĻŦā§āϝāĻŦāĻšāĻžāϰāĻāĻžāϰā§āĻĻā§āϰ āĻŦāĻŋāϏā§āϤā§āϤ āĻĒāϰāĻŋāϏāϰāĻā§ āĻĒā§āϰāϤāĻŋāĻĢāϞāĻŋāϤ āĻāϰā§āĨ¤
āĻĢā§āϰāĻŋ āύāĻŋāĻāĻāϞā§āĻāĻžāϰ
āĻĒā§āϰāϤāĻŋ āϏāĻĒā§āϤāĻžāĻšā§āϰ āĻāĻžāĻā§āϰ āĻĻāĻŋāύ āϏāĻāĻžāϞ⧠āϤāĻŋāύāĻāĻŋ āϝāĻžāĻāĻžāĻāĻā§āϤ āĻāĻāĻ āϏā§āĻā§āϰāĻŋ, āϏāĻšāĻ āĻāĻāϰā§āĻāĻŋāϤ⧠āϞā§āĻāĻžāĨ¤ āĻāĻŋāϰāĻāĻžāϞā§āϰ āĻāύā§āϝ āĻĢā§āϰāĻŋ, āĻā§āύ⧠āĻŦāĻŋāĻā§āĻāĻžāĻĒāύ āύā§āĻāĨ¤
āĻĒā§āϰāϤāĻŋ āϏāĻĒā§āϤāĻžāĻšā§āϰ āĻāĻžāĻā§āϰ āĻĻāĻŋāύ⧠āĻāĻāĻāĻŋ āĻāĻŽā§āϞāĨ¤ āĻāĻ āĻā§āϞāĻŋāĻā§āĻ āĻāύāϏāĻžāĻŦāϏā§āĻā§āϰāĻžāĻāĻŦ āĻāϰā§āύāĨ¤ āĻāĻŽāϰāĻž āĻāĻāύā§āĻ āĻāĻĒāύāĻžāϰ āĻ āĻŋāĻāĻžāύāĻž āĻŦāĻŋāĻā§āϰāĻŋ āĻŦāĻž āĻļā§ā§āĻžāϰ āĻāϰāĻŋ āύāĻžāĨ¤
āύāĻŋāĻā§āĻā§ āĻĒāϰā§āĻā§āώāĻž āĻāϰā§āύ
āĻĒā§āϰāϤāĻŋāĻāĻŋ āĻāϤā§āϤāϰā§āϰ āϤāĻžā§āĻā§āώāĻŖāĻŋāĻ āĻĢāĻŋāĻĄāĻŦā§āϝāĻžāĻ, āĻāĻŦāĻ āĻā§āϰā§āϏ āĻĒāĻžāϏ āĻāϰāĻžāϰ āĻĒāϰ āϝāĻžāĻāĻžāĻāϝā§āĻā§āϝ āĻāĻāĻĄāĻŋ āϏāĻš āĻāĻāĻāĻŋ āĻļā§ā§āĻžāϰāϝā§āĻā§āϝ āϏāĻžāϰā§āĻāĻŋāĻĢāĻŋāĻā§āĻāĨ¤
āĻĢā§āϰāĻŋ āĻāĻāĻ āĻļāĻŋāĻā§āώāĻžāĻā§ āϏāĻŽāϰā§āĻĨāύ āĻāϰā§āύāĨ¤ AI Understanding āĻāĻāĻāĻŋ 501(c)(3) āĻ āϞāĻžāĻāĻāύāĻ āĻĒā§āϰāϤāĻŋāώā§āĻ āĻžāύ â āĻā§āύ⧠āĻŦāĻŋāĻā§āĻāĻžāĻĒāύ āύā§āĻ, āĻā§āύ⧠āĻĒā§āĻā§āĻžāϞ āύā§āĻ, āĻāĻāύā§āĻ āύāĻžāĨ¤ āĻāĻāĻāĻŋ āĻĻāĻžāύ āĻāϰā§āύ
CLIP āϏā§āĻā§āϰ āĻĒāϰāĻŋāĻŽāĻžāĻĒ āĻāϰ⧠āϝ⧠āĻāĻāĻāĻŋ āĻāϤā§āĻĒāύā§āύ āĻāĻŋāϤā§āϰ āϤāĻžāϰ āĻā§āĻā§āϏāĻ āĻĒā§āϰāĻŽā§āĻĒāĻā§āϰ āϏāĻžāĻĨā§ āĻāϤāĻāĻž āĻāĻžāϞā§āĻāĻžāĻŦā§ āĻŽā§āϞā§āĨ¤ āĻāĻāĻŋ OpenAI āĻāϰ CLIP āĻŽāĻĄā§āϞā§āϰ āϏāĻžāĻĨā§ āĻāĻŋāϤā§āϰ āĻāĻŦāĻ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻāĻŽā§āĻŦā§āĻĄ āĻāϰ⧠āĻāĻŦāĻ āĻĻā§āĻāĻŋ āĻāĻŽā§āĻŦā§āĻĄāĻŋāĻāϝāĻŧā§āϰ āϤā§āϞāύāĻž āĻāϰā§āĨ¤ āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻŽā§āĻā§āϰāĻŋāĻ āϝā§āĻŽāύ ImageReward, HPS āĻāĻŦāĻ PickScore āĻšāϞ āĻāĻŽāύ āĻŽāĻĄā§āϞ āϝāĻž āĻāĻŦāĻŋāώā§āϝāĻĻā§āĻŦāĻžāĻŖā§ āĻāϰāĻžāϰ āĻāύā§āϝ āĻĒā§āϰāĻļāĻŋāĻā§āώāĻŋāϤ āĻšāϝāĻŧ āϝ⧠āϞā§āĻā§āϰāĻž āĻŦāĻŋāĻāĻŋāύā§āύ āĻāĻŦāĻŋāϰ āĻŽāϧā§āϝ⧠āĻā§āύāĻāĻŋ āĻŦā§āĻā§ āύā§āĻŦā§āĨ¤ āĻāĻ āϏā§āĻā§āϰāĻā§āϞāĻŋ āĻā§āϰā§āϤā§āĻŦāĻĒā§āϰā§āĻŖ āĻāĻžāϰāĻŖ āĻāĻāĻāĻŋ āĻāĻŦāĻŋ āϤāĻžāϰ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻ āύā§āϏāϰāĻŖ āĻāϰ⧠āĻŦāĻž āϞā§āĻā§āĻĻā§āϰ āĻāĻžāĻā§ āĻāĻŦā§āĻĻāύ āĻāϰ⧠āĻāĻŋāύāĻž āϏ⧠āϏāĻŽā§āĻĒāϰā§āĻā§ FID āĻāĻāĻž āĻāĻŋāĻā§āĻ āĻŦāϞ⧠āύāĻž āĻāĻŦāĻ āϏā§āĻā§āϞāĻŋ āĻāĻāύ āĻā§āĻā§āϏāĻ-āĻā§-āĻāĻŽā§āĻ āĻĒā§āĻĒāĻžāϰ, āϞāĻŋāĻĄāĻžāϰāĻŦā§āϰā§āĻĄ āĻāĻŦāĻ āĻĢāĻžāĻāύ-āĻāĻŋāĻāύāĻŋāĻ āĻĒāĻžāĻāĻĒāϞāĻžāĻāύ⧠āĻŽāĻžāύāĻāĨ¤
FID āĻāĻāĻāĻŋ āĻĄā§āĻāĻžāϏā§āĻ āĻā§āĻĄāĻŧā§ āĻā§āύāĻžāϰā§āĻ āĻāϰāĻž āĻāĻŦāĻ āĻŦāĻžāϏā§āϤāĻŦ āĻāĻŋāϤā§āϰāĻā§āϞāĻŋāϰ āĻŦā§āĻļāĻŋāώā§āĻā§āϝā§āϰ āĻĒāϰāĻŋāϏāĻāĻā§āϝāĻžāύ āϤā§āϞāύāĻž āĻāϰā§āĨ¤ āĻāĻāĻŋ āĻŦāĻžāϏā§āϤāĻŦāϤāĻž āĻāĻŦāĻ āĻŦā§āĻāĻŋāϤā§āϰā§āϝāĻā§ āĻā§āϝāĻžāĻĒāĻāĻžāϰ āĻāϰ⧠āĻāĻŋāύā§āϤ⧠āĻĒā§āϰāĻŽā§āĻĒāĻāĻāĻŋāĻā§ āϏāĻŽā§āĻĒā§āϰā§āĻŖāϰā§āĻĒā§ āĻāĻĒā§āĻā§āώāĻž āĻāϰā§, āϝāĻž āĻĒā§āϰāĻŖ āĻāϰāĻžāϰ āĻāύā§āϝ CLIP āϏā§āĻā§āϰ āĻāύāĻž āĻšāϝāĻŧā§āĻāĻŋāϞāĨ¤
CLIP āĻāĻāĻāĻŋ āĻļā§āϝāĻŧāĻžāϰā§āĻĄ āĻāĻŽāĻŦā§āĻĄāĻŋāĻ āϏā§āĻĒā§āϏ⧠āĻāĻŦāĻŋ āĻāĻŦāĻ āĻā§āĻā§āϏāĻ āϰāĻžāĻā§āĨ¤ āϏā§āĻā§āϰ āĻšāϞ āĻāĻŽā§āĻ āĻāĻŽā§āĻŦā§āĻĄāĻŋāĻ āĻāĻŦāĻ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻāĻŽā§āĻŦā§āĻĄāĻŋāĻāϝāĻŧā§āϰ āĻŽāϧā§āϝ⧠āĻā§āϏāĻžāĻāύ āϏāĻžāĻĻā§āĻļā§āϝ, āĻĒā§āϰāĻžāϝāĻŧāĻļāĻ 100 āĻĻā§āĻŦāĻžāϰāĻž āϏā§āĻā§āϞ āĻāϰāĻž āĻšāϝāĻŧāĨ¤
PickScore-āĻā§ Pick-a-Pic-āĻ āĻĒā§āϰāĻļāĻŋāĻā§āώāĻŋāϤ āĻāϰāĻž āĻšāϝāĻŧā§āĻāĻŋāϞ, āϝā§āĻāĻžāύ⧠āĻāϝāĻŧā§āĻŦ āĻ ā§āϝāĻžāĻĒ āĻŦā§āϝāĻŦāĻšāĻžāϰāĻāĻžāϰā§āϰāĻž āĻāĻāĻ āĻĒā§āϰāĻŽā§āĻĒāĻā§āϰ āĻāύā§āϝ āϤāĻžāĻĻā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻĻā§āĻāĻŋ āĻā§āύāĻžāϰā§āĻ āĻāϰāĻž āĻāĻŦāĻŋ āĻŦā§āĻā§ āύā§āϝāĻŧāĨ¤
CLIP āĻāĻāĻļāĻŋāĻāĻāĻžāĻŦā§ āĻļāĻŦā§āĻĻā§āϰ āĻŦā§āϝāĻžāĻā§āϰ āĻŽāϤ⧠āĻāĻāϰāĻŖ āĻāϰā§āĨ¤ āĻāĻāĻŋ āϞāĻā§āώā§āϝ āĻāϰ⧠āϝ⧠āĻā§āύ āϧāĻžāϰāĻŖāĻžāĻā§āϞāĻŋ āĻāĻĒāϏā§āĻĨāĻŋāϤ āϰāϝāĻŧā§āĻā§ āĻāĻŋāύā§āϤ⧠āĻĒā§āϰāĻžāϝāĻŧāĻļāĻ āϤāĻžāϰāĻž āĻā§āĻāĻžāĻŦā§ āϏāĻŽā§āĻĒāϰā§āĻāϝā§āĻā§āϤ āϤāĻž āĻŽāĻŋāϏ āĻāϰā§, āϝā§āĻŽāύ āĻāĻŖāύāĻž, āĻ āĻŦāϏā§āĻĨāĻžāύ āĻŦāĻž āϰāĻā§āϰ āĻŦāĻžāĻāϧāĻžāĻāĨ¤
āĻĒā§āϰāϤāĻŋāĻāĻŋ āĻāύāĻā§āĻĄāĻžāϰ āϤāĻžāϰ āύāĻŋāĻāϏā§āĻŦ āĻāĻŽā§āĻŦā§āĻĄāĻŋāĻ āϏā§āĻĨāĻžāύ āĻļāĻŋāĻā§, āϤāĻžāĻ āĻāĻāĻ āĻāĻŋāϤā§āϰ āĻāĻŦāĻ āĻĒā§āϰāĻŽā§āĻĒāĻ āĻŦāĻŋāĻāĻŋāύā§āύ āĻāύāĻā§āĻĄāĻžāϰ āĻĨā§āĻā§ āĻŦāĻŋāĻāĻŋāύā§āύ āϏā§āĻā§āϰ āĻĒāĻžāϝāĻŧāĨ¤ āĻāĻžāĻāĻāĻĒāϤā§āϰ āĻ āĻŦāĻļā§āϝāĻ āĻāϞā§āϞā§āĻ āĻāϰāϤ⧠āĻšāĻŦā§ āϝ⧠āϤāĻžāϰāĻž āĻā§āύ āĻāύāĻā§āĻĄāĻžāϰ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻāϰā§āĻā§āĨ¤
āĻļāĻŋāĻāϤ⧠āĻĨāĻžāĻā§āύ
āĻāĻ āĻŦāĻŋāώāϝāĻŧā§āϰ āĻāύā§āϝ āĻŦāĻžāĻāĻžāĻ āĻāϰāĻž āĻāϰāĻ āĻāĻžāĻāĻĄ
āĻĒāϰāĻŦāϰā§āϤ⧠āĻāĻĒāĻĒāϰāĻŦāϰā§āϤ⧠āĻāĻžāĻāĻĄ
RLHF-āĻāϰ āĻāύā§āϝ āĻŽāĻžāύā§āώā§āϰ āĻĒāĻāύā§āĻĻā§āϰ āĻĄā§āĻāĻž āϏāĻāĻā§āϰāĻš āĻāϰāĻž
āĻāĻžāώāĻž āĻāĻāĻ