标签
PromptPack 是一种无需训练的方法,通过两种“编辑指南”增强扩散编辑器——按编辑角色划分像素(保留/允许/修改)和区域提示词分配——实现与意图一致的空间和语义控制,在 PIE-Bench++ 上与 FlowEdit FLUX 相比获得了 87% 的用户偏好率。
Inhabitant 是一个免训练的语言模型智能体框架,用于长时程人-场景交互:它以空间方式指定动作、度量执行偏差并修正控制,在包含 75 项家务任务的全新 Inhabit 基准上实现了 98.7% 的任务完成率。
TerraDiT-Ω 是一个用于卫星图像合成的统一空间控制框架,接受任意原生地理空间基元,并使用几何感知局部注意力,在多个下游任务中优于先前的密集和稀疏控制方法。
一种名为TV-Edit的新框架,结合文本指令和视觉提示实现精确图像编辑,并附带基准TV-Edit-Bench用于评估。该方法在空间控制和语义忠实度上优于现有方法。