可变频率扩散模型用于多功能文本引导的图像至图像翻译

研究使用空间特征和自我关注来实现生成图片结构的微调，用于文本到图像合成和图像到图像转换。

提出频域滤波器指导扩散模型，实现结构保留的医学图像翻译，具备零样本学习能力。

探讨图像合成模型的细粒度、连续控制，提出语义扩散引导统一框架，注入预训练的无条件扩散模型的语言或图像指导。

图像编辑技术作为人工智能生成内容领域的研究热点，提出统一框架规范编辑过程，分为两个主要算法体系。

通过自适应滤波器在扩散步骤的输入上应用，提供快速和强大的基线，允许更连续地调整指导强度。

提出两阶段方法结合可控性和高质量图像生成，利用预训练模型实现精确控制，取得优异结果。

GeoDiffusion框架将几何条件转化为文本提示，优于先前的L2I方法，维护更快的训练时间。

FreeControl是一种无需训练的可控文本生成方法，支持多种条件和架构，展现卓越性能。

使用预训练扩散模型的新方法，通过轻量级字符级文本编码器实现更强的文本嵌入，获得高序列准确性。