arXiv · 机器人与计算机视觉· Sooyeon Park, Hemraj Singh, Kyunghyun Min, Youngjae Yu, Sung-Bae Cho·· 2026-10-20AI 评分38
Dero:一种无需训练的文本嵌入分解重组方法,用于提升扩散模型的否定感知图像生成能力
Negation without Confusion: Decomposing Bias and Recomposing Style in Text Embeddings for Negation-aware Image Generation
AI 导读
Dero 是一种模型无关的推理时框架,通过辅助提示构建语义与偏差子空间并利用双向 SVD 进行解耦,解决文本到图像扩散模型处理否定词时的语言偏见问题。该方法在不改变预训练权重的情况下,将纠缠表示分解并重组,在保持风格特征的同时使文本表征对齐至预期的否定语义。实验表明,Dero 在物体与概念级否定任务上均实现了更强的图文对齐、更好的语义保真度及更高的人类偏好得分。
来源:arXiv · 机器人与计算机视觉 · arxiv.org