研究人员开发了 PreviewDiff，这是一种新颖的方法，可提高扩散模型在图像和视频生成中的准确性和组合性。这项无需训练的技术通过对中间输出使用多模态反馈来指导采样过程，从而能够根据自然语言批评进行校正和分支。PreviewDiff 通过在去噪过程早期进行干预并实现对潜在表示的引导搜索，其性能优于标准的 Best-of-N 采样和其他基线。 AI
影响 该方法可能导致从文本提示生成更忠实、更可控的图像和视频。
排序理由 该集群描述了一篇详细介绍改进扩散模型新方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.36199v1 Announce Type: cross Abstract: Diffusion models can produce striking images and videos, but they still struggle with the compositional details that make a generation faithful to a prompt, such as object counts, attribute binding, spatial relations, and temporal…
Diffusion models can produce striking images and videos, but they still struggle with the compositional details that make a generation faithful to a prompt, such as object counts, attribute binding, spatial relations, and temporally grounded actions. A common way to improve promp…