InstructG2I：从多模态属性图合成图像
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了生成图像的关键任务——基于多模态属性图（MMAGs）的Graph2Image，因其面临图形尺寸扩展、图形实体之间的依赖关系以及可控性需求等挑战。提出的InstructG2I模型通过利用图结构和多模态信息，实现了有效的邻居采样和引导去噪，实验结果证明了其有效性和可控性，对相关领域的图像生成具有显著影响。
我们提出了一个框架，通过潜在图扩散（LGD）使用单一模型解决节点、边和图级别的生成、回归和分类任务。LGD将图结构和特征嵌入潜在空间，通过编码器解码进行生成，并通过交叉注意机制实现条件生成，将预测任务转化为生成任务。实验显示，该框架在生成和回归任务中表现出色。
