Tag · 4 篇

掩码生成

分布图像编辑与可控生成2生成模型与扩散1图像分割1

RebRL: Reinforcing Discrete Visual Diffusion Models with Rebalanced Timestep Credits

针对离散扩散（掩码生成）模型在 RL 微调时各时间步信用分配不均的问题，提出按掩码阶段重新平衡时间步权重的即插即用策略，可直接用于改进视觉生成模型的 RLHF/偏好对齐训练流程，并减少约 40% 训练步数。

High-Fidelity Virtual Try-On beyond Paired Data Scarcity via Diffusion-based Cycle-Consistent Learning

提出基于扩散模型循环一致性学习的虚拟试衣框架，利用无配对数据训练统一生成模型，其多准则过滤和感知正则化策略可迁移到其他需要无配对数据的图像编辑任务。

GenMask: Adapting DiT for Segmentation via Direct Mask Generation

将分割视为生成任务，直接用 DiT 在 RGB 空间生成二值掩码，省去特征提取流程；其针对二值掩码的极端噪声时间步采样策略可复用于其他生成式密集预测任务。

CoT-Edit: Let CoT Guide Instruction Video Editing

用 CoT 增强的 MLLM 作为规划器输出边界框序列与属性化编辑指令，再把全局文本检索转成框条件掩码生成，为指令式视频编辑提供可复用的「先规划空间先验、再局部精修」范式。