Debiasing Text-to-Image Evaluation via Implicit Cultural Alignment Reward Modeling
Cet article introduit un modèle de récompense d'alignement culturel implicite efficace et léger qui exploite un mécanisme d'attention croisée à connexion de saut (Skip-connection Cross-Attention) pour surmonter les biais culturels et les limitations de latence des évaluateurs de texte-vers-image existants, atteignant une précision supérieure et des vitesses d'inférence 10 fois plus rapides sur le benchmark CulturalFrames.