跳到正文
arXiv · 机器人与计算机视觉· Yixia Zhang, Girish A. Koushik, Xilu Wang, Wenwu Wang·· 12 小时前AI 评分42

TextSphere:通过共享超球面对齐实现高效文本生成图像

TextSphere: Efficient Text-to-Image Generation via Shared Hyperspherical Alignment and Uniformity

AI 导读

TextSphere 是一种将语言条件与跨模态对齐引入 Sphere Encoder 的高效文生图框架。该方法利用预训练 CLIP 嵌入引导生成,并通过 SSAU 目标优化超球面上的语义对齐与表示均匀性。在 CUB-200-2011、MS-COCO-2014 和 Flickr30k 数据集上,仅需 4 至 6 步采样即可将 gFID 降至基线以下且 rFID 低于 1.0。

来源:arXiv · 机器人与计算机视觉 · arxiv.org