跳到正文
arXiv · 机器人与计算机视觉· Yasong Dai, Zeeshan Hayder, David Ahmedt-Aristizabal, Hongdong Li·· 15 天前精选AI 评分82

PATTS:面向并行多模态离散扩散大模型的感知测试时扩展思想图像生成方法

PATTS: Parallel-Aware Test-Time Scaling for Thought-Image Generation in Multimodal Discrete Diffusion LLMs

AI 导读

该论文提出 PATTS 框架,针对并行多模态离散扩散语言模型中的推理与图像联合解码问题,利用模型内部轨迹诊断生成的状态相关可靠性权重来调节外部语义验证的影响。实验显示,在固定 N=32 的搜索预算下,该方法将 GenEval 分数从 0.628 提升至 0.844,优于无测试时扩展、Best-of-N 和 FKD 方法。论文已被 WACV 2027 接收,代码已开源。

推荐理由

提出 PATTS 框架,利用内部轨迹诊断调节外部语义验证权重,在并行多模态离散扩散模型上实现 GenEval 分数从 0.628 提升至 0.844。

来源:arXiv · 机器人与计算机视觉 · arxiv.org