BriefGPT - AI 论文速递 · 2024-02-15T00:00:00Z

文本定位：为主题驱动的文本到图像生成分解多概念图像

📝

内容提要

该研究提出了一种文本本地化的文本到图像模型，通过交叉注意力引导方法建立目标概念的视觉表示与标识符令牌之间的连接。实验结果表明，该方法在图像保真度和图像文本对齐方面优于基准模型，并提高了单一概念和多概念生成的得分。该方法还能够生成与目标概念一致的交叉注意力映射。

🏷️

标签

交叉注意力 图像保真度 图像文本对齐 图像模型 文本本地化