SD3.5-Large
PulseAugur coverage of SD3.5-Large — every cluster mentioning SD3.5-Large across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法可独立引导多人物图像生成中的人口统计学特征
研究人员开发了空间门控引导（SGS）方法，这是一种解决多人物文本到图像生成中人口统计学偏差的新方法。与之前将单一修正应用于整个图像的方法不同，SGS 可独立引导场景中每个人的统计学特征。这是通过从扩散 Transformer 的内部注意力图中提取每个人物掩码，并在这些掩码内应用不同的人口统计学向量来实现的。SGS 无需微调，已在 FLUX.1-Dev 和 SD3.5-Large 等不同的扩散 Transformer 上得到验证，显示出…
-
新方法提高了长提示文本到图像生成的图像多样性 · 2 个来源
两篇新的研究论文解决了文本到图像生成模型在处理长而复杂的提示时图像多样性不足的挑战。第一篇论文介绍了 TPSO（Token-Prompt Embedding Space Optimization），这是一个无需训练的模块，通过探索 token 嵌入空间中代表性不足的区域来增强多样性，同时通过语义约束来保持图像质量。第二篇论文提出了 PromptMoG，一种从高斯混合模型分布中采样提示嵌入的方法，以恢复长提示的生成灵活性，并得到了一个名…
-
新的RACER控制器提高了扩散模型的速度和可靠性 · 跟踪2个来源
研究人员开发了RACER，一种新的闭环控制器，旨在提高扩散模型的效率和可靠性。与盲目信任预测的先前方法不同，RACER分析预测之间的一致性，以确定何时以及在多大程度上信任它们。这种方法允许在不牺牲质量的情况下更积极地加速扩散采样，从而在SD3.5-Large、FLUX.1-dev、Wan2.1-14B和HunyuanVideo等各种模型中实现更快的生成速度。