跳到正文
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