visual-conditioning

#visual-conditioning

IV-CoT: 隐式视觉思维链用于结构感知的文本到图像生成

Hugging Face Daily Papers ↗ · 2026-06-23 缓存

IV-CoT 将视觉条件分解为结构和语义级联，以改进结构感知的图像生成，使用仅训练阶段的草图监督来指导结构查询。在 GenEval 和 T2I-CompBench 上达到了最先进的结果。

0 人收藏 0 人点赞