arXiv · 机器人与计算机视觉· Furkan G\"uzelant, Basavaraj Sunagad, Aysegul Dundar, Adam Kortylewski·· 8 天前精选AI 评分78
通过几何 Token 编码实现文生图连续角度控制
Continuous Angular Control in Text-to-Image Generation via Geometric Token Encoding
AI 导读
该文针对文生图扩散模型无法精确控制时钟显示时间或圆形物体特定比例的问题,提出了一种基于几何 Token 编码的框架。该方法将角度参数化为周期性正弦余弦特征并注入提示词,引入随机定位松弛(SLR)技术以在无需推理端定位输入的情况下实现空间对齐,同时针对时钟任务设计了防手位互换的目标函数。实验显示,该方法在时钟生成任务上6度内准确率提升至63-78%,圆形物体分割准确率达89.5%,显著优于基线模型。
推荐理由
提出几何 Token 编码与随机定位松弛方法,将文本生成时钟的时针分针角度控制准确率从不足1%提升至63-78%,并验证了在圆形物体分割任务上的泛化能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org