跳到正文
arXiv · NLP· Yixia Zhang, Girish A. Koushik, Xilu Wang, Wenwu Wang·· 2 天前AI 评分25

TextSphere: 基于共享超球面对齐与均匀性的高效文生图生成

TextSphere: Efficient Text-to-Image Generation via Shared Hyperspherical Alignment and Uniformity

AI 导读

TextSphere 通过引入跨模态对齐扩展 Sphere Encoder,在 CUB-200-2011 和 MS-COCO-2014 上以 4 至 6 步采样实现低于 1.0 的重建 FID。 该方法利用预训练 CLIP 文本嵌入及 SSAU 目标促进语义对齐,实验显示其生成 FID 优于从零训练的扩散模型和 GAN。

来源:arXiv · NLP · arxiv.org