结构化信息用于改善文本到图像生成中的空间关系

于红博

摘要: 文本到图像（T2I）生成已经迅速发展，但忠实地捕捉自然语言提示中描述的空间关系仍然是一个主要挑战。先前的努力通过提示优化、空间基础生成和语义细化来解决这个问题。本文介绍了一种轻量级方法，通过使用经过微调的语言模型将元组结构化信息与提示相结合，实现自动转换并无缝集成到T2I管道中。实验结果表明，在不影响Inception Score所衡量的整体图像质量的情况下，空间准确性得到了显著提高。此外，自动生成的元组展现出与人工制作的元组相媲美的质量。这种结构化信息为增强T2I生成中的空间关系提供了一个实用且可移植的解决方案，解决了当前大规模生成系统的一个关键限制。

更新时间: 2025-09-19 13:20:34

领域: cs.AI

下载: http://arxiv.org/abs/2509.15962v1