compositional-generation

WorldSculpt 是一个框架，可以将基于地面视频的杂乱场景重建为组合式的每物体网格，从而实现交互式3D世界生成和编辑。

本文认为，当目标分布处于分布外时，基础条件扩散模型在组合生成方面根本失败，原因是分数估计误差，并且推理时的校正无法完全补偿。

本文介绍了BiDPO，这是一个通过基于偏好的微调和区域级引导来增强文本到图像模型处理复杂组合提示的框架，在组合保真度基准上达到了最先进的性能。

TILT是一种无需训练的框架，通过使用模型内在奖励在测试时对齐采样轨迹，从而改善扩散模型中的组合生成，无需外部监督即可增强对复杂提示的忠实度。