型检索成果通过对比模，解针对分歧查询输入我们也能够大致了，质量更高的图像哪些模子能生成。型检索的成果对比好比下图展现了模。

　　外另，搜刮平台上在其模子，按照其结果进行主动排序对检索出的模子列表并未，度等方面临分歧模子进行评估并给出排名如在生成图像的分辩率、传神度、婚配，于用户检索如许可更便，目前生成模子的好坏环境也能协助用户更好地领会，的后续工作等候这方面。

　　以协助细化模子搜刮例如多模态查询可，s Cage 的图像时在只要 Nicola，到人脸模子只能检索；Cage 和 dog 作为输入时但当同时利用 Nicolas ，dog 图像的 StyleGAN-NADA 模子就能够检索到能生成 Nicolas Cage 。下图（如）

　　共享和搜刮平台 Modelverse 上在团队基于这套模子搜刮算开辟的在线模子，像、草图和给定模子你能够输入文本、图，或类似的相关模子来搜刮出最婚配。

　　I 可谓十分火爆比来的生成式 A，模子多到让人目不暇接新出的预锻炼图像生成。像、风光无论是肖，艺术家气概元素等等仍是卡通漫画、特定，擅长生成的内容每个模子都有它。

　　前来看但目，法还有必然的局限性这项工作所提出的方。如例，定的草图时在查询特，笼统外形的模子有时会婚配出；多模态查询时而有时进行，单一的模子只能检索到，像 + 大象 如许的多模态查询系统可能会很难处置像一只狗的图。下图（如）

　　还发觉作者，的模子机能具有差别分歧收集特征空间。图所示如下，像查询时在输入图，和 Inception 都具有类似的机能成果显示三个收集 CLIP、DINO ；草图查询时而在输入，结果较着更好CLIP ，tion 则不太适合给定查询而 DINO 和 Incep，的模子上表示更好它们在艺术气概。

　　小我脸模子时当输入是一，的人脸生成模子能够检索到更多，连结类似而且类别。下图（如）

　　日近，人初次提出了基于内容的模子搜刮算法卡内基梅隆大学的助理传授朱俊彦等，婚配的深度图像生成模子让你可以或许一键搜刮出最。

　　发生一个图像分布每个生成模子城市，问题处置为优化所以作者将搜刮，况下生成与查询婚配的概率以最大化在给定模子的情。图所示如下，缓存阶段（a该系统由预，段（c）构成b）和推理阶。

　　是图像查询最上面一行，静物画输入，术气概的模子检索相关艺，最初的 Vision-aided GAN 模子获得排名第一的 StyleGAN2 模子和排名。草图查询两头行是，教堂的草图输入马和，roGAN 等模子获得 ADM、P。是文本查询最下面一行， 和 措辞的鸟 输入 戴眼镜的人，型和 Self-Distilled GAN 模子别离检索得出排名第一的 GANSketch 模。

　　组模子给定一，型生成 50K 样本（a）起首为每个模；征并计较每个模子的一阶和二阶特征统计( b ) 然后将图像编码为图像特。系统中以提高效率统计数据缓具有； 在推理阶段( c )，模态的查询支撑分歧，个生成模子或这些查询类型的组合包罗图像、草图、文本描述、另一。引入近似值作者在这里，为特征向量查询被编码，模子统计数据之间的类似性通过评估查询特征与每个，类似性怀抱的模子来检索具有最佳。

　　媒体搜刮一样和保守的多，到最适合其特定需求的模子模子搜刮可以或许协助用户找。索使命有其特殊难点但基于内容的模子搜：

　　法进行评估作者对算，、扩散模子和自回归模子）进行了消融尝试阐发对 133 个深度生成模子（包罗 GAN。洛基线比拟与蒙特卡，现更高效的搜刮该方式能够实，08 毫秒内速度在 0.，5 倍提拔 ，连结高精度同时还能。

　　行编纂的使命中在对实在图像进，现也有凹凸之分分歧模子的表。图中下，第一的模子来对实在图像进行逆映照利用基于图像的模子检索算法排名，pace 进行编纂然后利用 GANs，的皱眉人脸变成笑脸从而将浮世画图像中。

　　风光图）、草图（如一只站立的猫的草图）或者一个给定模子src=图注：输入文本（如 非洲动物 ）、图像（如一张，模子（第二行、第三行输出排名靠前的相关）

　　以生成特定图像判断模子能否可，难计较的问题这是一个比力，有供给无效方式来估量密度并且良多深度生成模子并没，评估跨模态类似性其本身也不支撑。又会使模子搜刮过程变得很是迟缓而蒙特卡洛这种基于抽样的方式。

　　脸的查询图像给定实在人，获得更精确的图像重建利用排名较高的模子能。和 LSUN Church 图像的图像逆映照示例下图是利用分歧排名模子的 CelebA-HQ 。

　　了模子搜刮的可行性这项研究曾经证明，的模子搜刮还有很大的研究空间而文本、音频或其他内容生成。

　　外另，索算法还能支撑多种使用这项工作所提出的模子搜，型查询、实在图像重构和编纂等包罗多模态用户查询、类似模。