区域感知引导

基于区域感知双模态直接偏好优化的组合式文本到图像生成

Compositional Text-to-Image Generation Via Region-aware Bimodal Direct Preference Optimization

提出区域感知的双模态直接偏好优化（BIDPO），可复用于提升扩散模型对复杂组合提示词的遵循能力，尤其是属性绑定、对象关系和计数等细粒度对齐任务。