论文页面 - 基于区域感知双模态直接偏好优化的组合式文生图

来源：https://huggingface.co/papers/2605.28615

摘要

BiDPO 通过基于偏好的微调和区域级引导，增强了文生图模型对复杂组合式提示的处理能力。

尽管文生图（T2I）模型发展迅速，但生成能够准确反映复杂组合式提示（涵盖属性绑定、物体关系、计数）的图像仍然具有挑战性。为此，我们提出了 BiDPO 框架，用于提升 T2I 模型在组合式文生图任务中的能力。我们首先设计了一套精心编排的流程，构建了一个大规模偏好数据集 BiComp，并进行了严格的质量控制。接着，我们将 Diffusion DPO 扩展为联合优化图像和文本偏好，实验证明这对提升模型根据复杂文本提示进行生成的能力极为有效。为了进一步增强模型的细粒度对齐能力，我们采用了一种区域级引导方法，聚焦于与组合概念相关的区域。实验结果表明，我们的 BiDPO 显著提升了组合保真度，在多个基准测试中持续优于先前方法。我们的方法突显了基于偏好的微调在复杂文生图任务中的潜力，为现有技术提供了一种灵活且可扩展的替代方案。

查看 arXiv 页面 (https://arxiv.org/abs/2605.28615) 查看 PDF (https://arxiv.org/pdf/2605.28615) GitHub (https://github.com/anzeameol/BiDPO) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.28615)

在您的 agent 中获取本篇论文：

hf papers read 2605.28615

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本篇论文的模型 1

anzeameol/sdxl-BiDPO 4 天前更新 (https://huggingface.co/anzeameol/sdxl-BiDPO)

引用本篇论文的数据集 1

anzeameol/BiComp 查看器 • 4 天前更新 • 57.5k • 939 (https://huggingface.co/datasets/anzeameol/BiComp)

引用本篇论文的 Space 0

无 Space 链接本篇论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2605.28615，以建立从本页面的链接。

包含本篇论文的收藏 0

无收藏包含本篇论文

请将本篇论文添加到一个收藏 (https://huggingface.co/new-collection) 中以建立从本页面的链接。