SDXL模型新功能：精准评估Aesthetic Scores美学得分，提升审美体验

什么是Aesthetic Score美学得分？

Aesthetic Score美学得分是SDXL模型中的一个新设置，它仅适用于refiner精炼模型。在SDXL模型的训练数据中，每张图像都有一个美学分数，范围从0到10，其中0表示最丑，10表示最好看。通过设置您的SDXL高美学评分，您将提醒模型倾向于生成具有更高美学评分的图像，从而理论上提高您图像的美学质量。

美学得分的作用

在模型训练阶段，SDXL模型的U-Net “骨架”使用这些美学分数作为额外的”调节指南”。这种指南的目的是帮助模型理解何种特征使一幅画获得高分，以及何种特征不能获得高分。通过这种方式，模型可以更好地学习和生成高质量的图像。

然而，如果在训练阶段存在大量质量较差的图像样本，例如在粗糙木材桌子上的红苹果，模型可能会开始将红苹果和粗糙木材桌子与”质量差”的艺术联系起来，仅仅因为有这么多低质量的例子。在这种情况下，即使一幅高分画作也以红苹果和粗糙木材桌子为特征，可能无法充分捕捉到其其他特征，并且只生成质量较差的红苹果。

美学得分的作用机制

这就是美学得分发挥作用的地方。由于美学得分被视为”文本嵌入”的一部分，它被视为图像标题的一部分。在学习过程中，模型会”考虑”每幅画作的美学评分，并在推理过程中使用给定的评分来减少对低评分画作特征的重视。这样，模型的输出就不会过于偏向少数（甚至许多）”不好”的例子。因此，用于后续微调的数据集质量并不像您预期的那样影响AI创造美丽作品的能力。

调整美学评分

要更改美学评分，您需要进入”设置”选项卡-> SDXL子选项卡。在那里，您可以调整美学评分的设置，以便模型生成符合您期望的美学质量的图像。

结论

Aesthetic Score美学得分是SDXL模型的一个重要设置，它帮助模型在生成图像时更好地理解和捕捉高质量的特征。通过设置适当的美学评分，您可以引导模型生成更具美感的图像。无论训练数据集的质量如何，美学得分都能够在一定程度上减少模型对低质量特征的关注，从而提高图像的美学质量。