Qin Zhou

新方法ELBO-T2IAlign校准扩散模型中的文本-图像对齐

研究人员推出了一种名为ELBO-T2IAlign的新颖方法，旨在提高扩散模型中的像素级文本-图像对齐。该技术解决了扩散模型中出现的对齐不准确问题，尤其是在处理小型、被遮挡或罕见物体类别时，这通常是由于训练数据中的偏差造成的。ELBO-T2IAlign是一种无需训练且通用的方法，它利用证据下界（ELBO）来校准这种对齐，而无需额外的标注或模型重新训练。该方法在各种下游任务中都显示出了有效性，包括零样本指代图像分割、文本引导图像编辑和组合图像生成。