跳到正文
arXiv · 机器人与计算机视觉· Hossein Shahabadi, Niki Sepasian, Mahdieh Soleymani Baghshah·· 2026-10-20精选AI 评分82

VISTA:面向视觉自回归生成的测试时组合式对齐方法

VISTA: Test-Time Compositional Alignment for Visual Autoregressive Generation

AI 导读

该论文介绍 VISTA 框架,这是首个针对下一代自回归图像生成中组合约束的基于梯度的测试时优化方案。该方法构建于 Infinity 模型之上,通过冻结 Transformer 优化中间表示,无需参数更新或训练即可稳定跨尺度优化并接入任意可微交叉注意力约束。

推荐理由

提出首个基于梯度的测试时对齐框架,在不更新参数下提升视觉自回归模型的属性绑定与空间关系能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org