★ 2
无训练方法通过拉回方向提升扩散模型采样多样性
论文提出一种免训练方法，利用条件嵌入空间到图像空间的映射所诱导的局部拉回几何，识别输出最敏感的方向，引导不同采样轨迹生成差异化图像。在 MS-COCO 与 BrushNet 上验证了该方法在文生图与图像修复中提升多样性的效果，同时保持与提示词的一致性。
arXiv cs.AI19 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一种免训练方法，利用条件嵌入空间到图像空间的映射所诱导的局部拉回几何，识别输出最敏感的方向，引导不同采样轨迹生成差异化图像。在 MS-COCO 与 BrushNet 上验证了该方法在文生图与图像修复中提升多样性的效果，同时保持与提示词的一致性。
研究者提出一种一体化基础模型，用于多模态医学图像的修复与增强。该模型可统一处理不同成像模态下的降质问题，提升图像质量，有望辅助临床诊断与医学影像分析。