arXiv · 机器人与计算机视觉· Junjie Li, Zengbin Wang, Gaoxiang Li, Muyi Sun, Yixin Zhang, Man Zhang·· 16 天前AI 评分54
Restoring Semantic Fidelity for Training-Free High-Resolution Image Generation in Diffusion Transformers
Restoring Semantic Fidelity for Training-Free High-Resolution Image Generation in Diffusion Transformers
AI 导读
针对扩散 Transformer 模型在超高分辨率生成时出现的严重语义退化问题,本文提出一种无需训练的框架。该方法通过文本 - 视觉尺度解耦注意力模块(TVSDA)保留全局感受野并校准图像感受野,同时利用结构细节引导策略(SDG)显式建模中间轨迹的结构与细节信息。实验表明,该方法在结构一致性和细节保真度上显著优于现有训练自由方法。代码已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org