研究人员为文本到图像扩散模型开发了一个新框架,以实现对角度参数的精确控制,例如模拟时钟上显示的时间或请求的圆形物体的比例。这种几何令牌编码方法将特定角度的正弦-余弦特征注入模型的提示中,显著提高了准确性。该框架还结合了随机局部松弛(SLR)和换手偏好目标,以增强空间基础和纠正训练过程中的手部分配。 AI
影响 增强了对人工智能图像生成中特定几何属性的控制,可能改进需要精确视觉元素的应用。
排序理由 详细介绍文本到图像生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Geometric Token Encoding
- Hugging Face
- Stochastic Localization Relaxation
- Text-to-image diffusion models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →