让文本到图像合成更符合人类偏好

StableDiffusion等生成式AI模型在文本到图像合成方面越来越受欢迎。像CLIP或BLIP这样的文本图像评分方法可以评估模型生成的图像是否与文本提示匹配，但它们并不总是符合人类的偏好和感知。