arXiv · AI· Shuo Xu, Hanrui Ying, Debin Liu, Jianjun Li, Zhiyuan Ma·· 12 小时前AI 评分23
Reflection-Guided Dynamics Rectification for Text-to-Image Generation
Reflection-Guided Dynamics Rectification for Text-to-Image Generation
AI 导读
论文提出RGDR方法，将反思转化为轨迹级采样动态的纠正干预，以缩小图像生成中的执行差距。 RGDR影响每个采样步骤，适配即时干预，并生成灵活候选者与参考值进行仲裁。 在匹配额外生成预算下，RGDR跨模型平均最终清单分数增益是TIR提示精炼的1.51倍、Dynamic CFG的1.81倍。
来源：arXiv · AI · arxiv.org