完美无误：改进文本到图像模型中的空间一致性

该文章介绍了一种自动方法，通过生成包含14种显式空间关系的合成标题来改进文本到图像系统的准确性。作者提出了Spatial Relation for Generation (SR4G)数据集，通过训练和测试标题中的对象集不相交的方式来测试泛化性能。实验结果显示，通过微调稳定扩散模型SD$_{SR4G}$可以提高VISOR指标高达9个点，并且在未见过的分割中仍然有效。该方法通过更少的参数改进了最先进的方法，并避免了复杂的架构。