🤖 系统
12-02 15:50
OmniRefiner:基于强化学习的局部扩散模型图像精细化方法 / OmniRefiner: Reinforcement-Guided Local Diffusion Refinement
1️⃣ 一句话总结
这篇论文提出了一个名为OmniRefiner的两阶段图像精细化框架,它通过结合扩散模型和强化学习,有效解决了现有方法在根据参考图编辑生成图像时难以保留精细纹理和保持视觉一致性的问题。
请先 登录 后再提交论文
OmniRefiner:基于强化学习的局部扩散模型图像精细化方法 / OmniRefiner: Reinforcement-Guided Local Diffusion Refinement
这篇论文提出了一个名为OmniRefiner的两阶段图像精细化框架,它通过结合扩散模型和强化学习,有效解决了现有方法在根据参考图编辑生成图像时难以保留精细纹理和保持视觉一致性的问题。
一致性批判者:通过参考引导的注意力对齐来纠正生成图像中的不一致性 / The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment
这篇论文提出了一个名为ImageCritic的后编辑方法,它通过分析模型的注意力机制并利用参考图像来检测和修正AI生成图像中的细节不一致问题,从而显著提升图像生成的质量和一致性。
Durian:基于双参考图像引导的肖像动画与属性迁移 / Durian: Dual Reference Image-Guided Portrait Animation with Attribute Transfer
这篇论文提出了Durian方法,它利用普通肖像视频进行自重建训练,无需成对数据,就能将一张或多张参考图像中的属性(如发型、妆容)迁移到目标人物的肖像动画中,实现跨身份的高质量、可控视频生成。