实体
SD3.5M
SD3.5M
PulseAugur coverage of SD3.5M — every cluster mentioning SD3.5M across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新技术抑制图像到文本的反馈,以改进 AI 图像生成
研究人员开发了一种名为语义反馈引导 (SFG) 的新技术,以提高多模态扩散变换器 (MMDiTs) 生成图像的质量。他们发现,这些模型中从图像到文本的反馈循环有时会保留错误。通过抑制这种图像到文本的反馈,SFG 提高了图像生成质量和与提示的对齐度。该方法在 FLUX 和 SD3.5M 等基准测试中显示出显著的改进,并且其有效性延伸到文本到视频和图像到视频生成。
-
新的截断跳跃采样(Truncated Jump Sampling)在无需重新训练的情况下加速了 AI 图像生成
研究人员引入了一种名为截断跳跃采样(Truncated Jump Sampling, TJS)的新颖方法,用于加速扩散模型和流匹配模型中的生成过程。该技术基于“端点可解码性”和“x-prediction”的概念,通过在更早的时间点停止 ODE 过程并解码干净样本来实现更快的采样。TJS 无需额外的训练或架构更改,在 SDXL 和 SD3.5M 等各种模型上显著减少了神经函数评估(NFEs),同时保持了接近匹配的质量。
-
TrioPose框架通过扩散Transformer增强了多人图像生成
研究人员开发了TrioPose,一种用于姿态引导的文本到图像生成的新型框架,解决了复杂多人场景中的挑战。TrioPose基于SD3.5M架构,利用三流姿态感知DiT将姿态视为一种独立的模态,确保稳定性的同时强制执行几何约束。它还引入了可学习的关系偏置掩码来处理遮挡,以及姿态引导的空间损失加权策略来将监督集中在有问题的区域。实验表明,TrioPose在Human-Art、CrowdPose和OCHuman等基准测试中显著优于现有方法,在…