研究人员开发了一种新的方法，用于生成多人交互的逼真图像，解决了当前文本到图像模型的局限性。他们的方法使用双重姿势-图像表示，将结构先验整合到扩散 Transformer 中，使姿势和外观能够协同发展。该模型通过跨模态对齐方案和迭代场景构建过程，增强了复杂多人图像生成中的提示对齐和场景多样性。 AI
影响 引入了一种生成更准确、更多样化多人场景的新颖技术，可能改进创意工具和虚拟环境中的应用。
排序理由 该集群包含一篇详细介绍图像生成新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →