跳到正文
arXiv · 机器人与计算机视觉· Bo-Kai Ruan, Teng-Fang Hsiao, Ling Lo, Yi-Lun Wu, Hong-Han Shuai·· 23 天前AI 评分48

PromptMoG 通过结构化提示嵌入空间采样提升长提示图像生成多样性

Diversifying Long Prompt Image Generation through Structured Prompt Embedding Space Sampling

AI 导读

PromptMoG 是一种无需训练的图像生成方法,利用高斯混合分布采样提示嵌入以解决长提示下语义约束导致多样性坍缩的问题。该方法在 SD3.5-Large、Flux.1-Krea-Dev、CogView4 和 Qwen-Image 四个大规模扩散模型上均一致提升了长提示生成的多样性。研究还提出了 LPD-Bench 基准用于评估组合文本条件下的保真度与多样性,代码已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org