Tag · 5 篇
文本渲染
迈向免训练的场景文本编辑
Towards Training-free Scene Text Editing
把「流形引导 + 注意力增强」做成无需训练的即插即用模块，可直接迁移到任意扩散/流模型的图像局部编辑任务（如文字替换、风格保持修复），省去逐任务微调与配对数据。
SimplePoster：产品海报生成的简单基线
SIMPLEPOSTER: A SIMPLE BASELINE FOR PRODUCT POSTER GENERATION
提出一种极简的图像修复框架，通过全参数微调和字符级位置编码实现主体保持与位置可控的文本渲染，无需 ControlNet 等外部控制器，为可控生成提供了轻量级替代方案。
残差解码器适配器：面向自回归文本渲染的ID保持分词器适配
Residual Decoder Adapter: ID-Preserving Tokenizer Adaption for Autoregressive Text Rendering
提出一种后置适配器，在不改变分词器词元空间和自回归模型的前提下，通过残差分支增强解码器输出，从而提升文本渲染质量；该思路可复用于其他需要提升分词器重建细节的生成任务。
POCA：面向视觉文本生成的帕累托最优课程对齐
POCA: Pareto-Optimal Curriculum Alignment for Visual Text Generation
把视觉文本生成中的文本准确率与图像美感/指令遵循的冲突建模为多目标优化，用帕累托最优集替代加权求和奖励，并配合自动难度评估的课程式提示选择；这套「帕累托奖励+课程采样」思路可直接迁移到任何需要多奖励 RL 微调的扩散生成任务（如编辑、个性化）。
GlyphPrinter：面向字形精确视觉文本渲染的区域分组直接偏好优化
GlyphPrinter: Region-Grouped Direct Preference Optimization for Glyph-Accurate Visual Text Rendering
将 DPO 从整体偏好扩展到区域级偏好，并引入区域奖励引导的推理采样策略，为视觉文本渲染中的局部字形错误提供可复用的偏好优化框架。