跳到正文
arXiv · 机器人与计算机视觉· Suchir Agarwal, Keshigeyan Chandrasegaran, Ziyu Chen, Kyle Sargent, Juan Carlos Niebles, Li Fei-Fei, Jiajun Wu·· 2026-10-19AI 评分63

一种用于视觉生成的语言信息损失函数

A Language-Informed Loss for Visual Generation

AI 导读

本文研究语言监督是否能比像素空间损失提供更丰富的训练信号以进行端到端视觉生成。作者提出 LILIE(Language-Informed and Lossless Image Encoder),这是一种可逆图像变换,通过与视觉 - 语言模型联合训练的归一化流 Transformer 实现,使得视觉 - 语言模型能从噪声特征中恢复描述。

来源:arXiv · 机器人与计算机视觉 · arxiv.org