arXiv · ML· Chika Maduabuchi·· 11 天前AI 评分28
PSP-DiT 将全景场景程序作为潜变量提升组合提示理解
Panoptic Scene Program Diffusion Transformer
AI 导读
PSP-DiT 将全景场景程序作为一等潜变量而非外部控制信号,通过耦合 Transformer 流对图像潜变量和场景程序潜变量进行联合去噪。该架构在匹配设置下于 GenEval 2、SANEval-Simple 等基准上超越了基线模型,在计数、属性绑定和角色敏感关系方面表现最佳,且推理开销适度,已获 NeurIPS 2026 收录。
来源:arXiv · ML · arxiv.org