> 本研究では、ユーザーエクスペリエンスと出力品質を向上させるために、反復的な人間のフィードバックを拡散ベースのテキスト画像モデルに統合することを検討する。我々は、FABRIC（Feedback via Attention-Based Reference Image Conditioning）を導入する。FABRICは、フィードバック画像のセット上で拡散プロセスを条件付けるトレーニング不要のアプローチであり、広範な一般的な拡散モデルに適用可能である。本アプローチの厳密な評価のために包括的な評価手法を提案し、フィードバックを複数回繰り返すことで生成結果が改善され、ユーザの嗜好が最適化されることを実証する。この研究は、パーソナライズされたコンテンツ作成とカスタマイズへの応用の可能性があり、テキストから画像への生成研究の進展に貢献する。