Краткое содержание

arXiv:2502.18477v2 Тип объявления: замена-перекрёстная Аннотация: Персонализация является центральной для взаимодействия человека с ИИ, однако современные системы генерации изображений на основе диффузии остаются в значительной степени нечувствительными к разнообразию пользователей. Существующие попытки решить эту проблему часто зависят от дорогостоящих парных данных предпочтений или вводят задержку через большие языковые модели. В данной работе мы представляем REBECA (рекомендации за пределами каталогов) — легковесную и масштабируемую архитектуру персонализированной генерации изображений, которая обучается непосредственно на неявных сигналах обратной связи, таких как лайки, рейтинги и клики. Вместо тонкой настройки базовой диффузионной модели REBECA использует двухэтапный процесс: обучение условной диффузионной модели выборке пользовательских и рейтинговых специфичных векторных представлений изображений, которые затем декодируются в изображения с помощью предварительно обученной диффузионной основы. Этот подход позволяет эффективно осуществлять персонализацию без необходимости тонкой настройки для больших баз пользователей. Мы тщательно оцениваем эффективность REBECA на реальных наборах данных, предлагая новый ста