Le transfert de style piloté par le texte est une tâche importante dans le domaine de la synthèse d’images, visant à fusionner le style d’une image de référence avec le contenu décrit par une invite textuelle. Récemment, les modèles de génération d’images à partir de texte ont fait des progrès significatifs, permettant un transfert de style plus précis tout en maintenant une haute fidélité du contenu. Cette technologie présente une énorme valeur pratique dans des domaines tels que la peinture numérique, la publicité et la conception de jeux. Cependant, les techniques de transfert de style existantes présentent encore quelques lacunes, les principaux défis étant : le sur-ajustement du style : les modèles existants ont tendance à reproduire tous les éléments de l’image de référence, conduisant à...

L'IA générative connaît un développement fulgurant, mais son évaluation reste un défi majeur. De nouveaux modèles émergent constamment, offrant des résultats toujours plus impressionnants. Cependant, comment évaluer efficacement ces modèles de génération d’images à partir de texte ? Les méthodes traditionnelles reposent soit sur une évaluation subjective par l’œil humain, soit sur des indicateurs simplistes comme CLIPScore. Or, ces indicateurs ne parviennent souvent pas à capturer les détails complexes des invites textuelles, tels que les relations entre les objets ou le raisonnement logique. Ceci conduit à des évaluations inexactes, voire erronées, des modèles de génération d’images.

Google Bard a annoncé aujourd'hui une mise à jour mondiale, étendant les fonctionnalités du modèle linguistique de grande envergure Gemini Pro à 40 langues et ajoutant la fonctionnalité de génération d’images. Cette mise à jour représente une étape importante dans le développement de Bard, le rendant plus facile à utiliser et plus compétitif. Gemini Pro est le LLM le plus avancé de Google actuellement. Bard est classé deuxième sur le classement Chabots Arena.