LongText-Bench
PulseAugur coverage of LongText-Bench — every cluster mentioning LongText-Bench across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
GSTAR框架实现高度压缩的自回归图像生成
研究人员开发了GSTAR,一种用于深度压缩自回归图像生成的新框架。该方法利用空间组联合缩放,实现了显著的压缩率(高达64倍),同时在重建、理解和生成方面保持了高性能。GSTAR采用半自回归解码器,可高效建模组内依赖关系,比之前的离散自回归模型提速20倍,并能在NVIDIA H200上实现2.5秒的图像生成。
-
新的IDM技术增强文本到图像生成的准确性
研究人员推出了一种新颖的文本到图像生成技术——内在分布匹配(IDM),旨在通过有限的精炼步骤来提高提示的遵循度。IDM将反向KL场分解为高斯矩分量和非高斯残差分量,从而可以显式约束统计量。在Z-Image-Turbo 6B和Qwen-Image 20B模型上的实验表明,IDM在LongText-Bench基准测试上取得了最先进的成果,在相似的计算预算下优于其他方法。
-
新的IDM技术通过矩约束提升文本到图像生成能力
研究人员开发了内在分布匹配(IDM)技术,这是一种新颖的技术,用于增强少步文本到图像生成。IDM将显式的矩约束纳入分布匹配蒸馏,从而能够用更少的网络评估来更好地渲染长文本提示。在Z-Image-Turbo 6B和Qwen-Image 20B等模型上的实验证明了IDM的有效性,在LongText-Bench基准测试上取得了最先进的成果。
-
代码驱动的推理框架增强文本到图像生成
研究人员推出了一种新颖的文本到图像生成框架 CoCo (Code-as-CoT),该框架利用可执行代码来表示推理过程。与传统的自然语言推理相比,这种方法能够对复杂的视觉元素和结构化内容进行更精确的规划。CoCo 生成代码来创建草图图像,然后通过编辑进行细化以生成最终输出。该框架在各种基准测试中表现出显著的改进,优于直接生成和其他思维链方法。