English(EN) FoR-SALE: Frame of Reference-guided Spatial Adjustment in LLM-based Diffusion Editing

新AI框架提升文本到图像的空间理解能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-12 04:00

研究人员开发了FoR-SALE，一个新颖的框架，通过提高文本到图像生成模型处理非相机视角的空间描述能力来增强其性能。这是自纠正LLM控制的扩散模型（SLD）的扩展，首先评估文本提示与生成图像之间的对齐程度，然后根据表达的参考框架进行优化。FoR-SALE利用视觉模块提取空间配置并将其映射到相机视角，从而实现直接的语言-视觉对齐评估，并应用潜在空间操作进行诸如朝向和深度等调整。在专门基准上的评估表明，FoR-SALE可以在一个纠正回合内将最先进的文本到图像模型性能提高多达7.0个百分点。 AI

影响增强了AI根据复杂空间语言生成图像的能力，可能改进创意工具和虚拟环境生成。

排序理由这是一篇详细介绍改进AI模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍改进AI模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 57 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Tanawan Premsri, Parisa Kordjamshidi · 2026-08-12 04:00

FoR-SALE：基于LLM的扩散编辑中的参考帧引导空间调整

arXiv:2509.23452v2 Announce Type: replace-cross Abstract: Current text-to-image generation models, even state-of-the-art models, exhibit a significant performance gap when spatial expressions are described from non-camera perspectives. To address this limitation, we propose Frame…

本文如何被排名

报道来源 [1]

FoR-SALE：基于LLM的扩散编辑中的参考帧引导空间调整

相关实体

相关话题