PulseAugur
中
实时 11:40:08
English(EN) DepthArb: Training-Free Depth-Arbitrated Generation for Occlusion-Robust Image Synthesis

DepthArb框架在无需重新训练的情况下改进了抗遮挡图像合成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的框架DepthArb，旨在提高文本到图像合成的准确性，尤其是在涉及多个重叠对象的场景中。这种无需训练的方法通过在去噪过程中进行仲裁注意力来解决不正确的遮挡关系这一常见问题。DepthArb利用注意力调制和空间紧凑性控制，通过遮挡冲突估计自适应地调整生成动态，并且无需重新训练即可在现有的U-Net和MMDiT架构上运行。该框架附带OcclBench，这是一个用于评估抗遮挡性和相对深度规范的新基准。 AI

影响 增强了文本到图像模型中的遮挡处理能力，有可能提高复杂场景的真实感和准确性。

排序理由 该集群描述了一篇关于图像合成新颖框架和基准的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

DepthArb框架在无需重新训练的情况下改进了抗遮挡图像合成

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Hongjin Niu, Jiahao Wang, Xirui Hu, Weizhan Zhang, Lan Ma, Yuan Gao, Feng Lei ·

    DepthArb：用于遮挡鲁棒图像合成的无训练深度仲裁生成

    arXiv:2603.23924v2 Announce Type: replace Abstract: Text-to-image models often struggle to synthesize correct occlusion relationships among multiple objects, especially in densely overlapping regions. Many training-free layout-guided methods enforce 2D spatial constraints but do …

相关实体

相关话题