Tag · 2 篇
显著性引导
分布 图像编辑与可控生成1强化学习与具身智能1
01 02
SplitFlux：从单张图像学习解耦内容与风格
SplitFlux: Learning to Decouple Content and Style from a Single Image
对 Flux 单流块做 LoRA 微调并按秩约束与显著性门控拆分内容/风格分支，为视觉研究者提供了一个可直接复用的「从单图分离内容与风格再重嵌入新语境」的定制化生成流程，也可迁移到其他 DiT 架构的可控编辑。
面向视觉无监督强化学习的显著性引导表征与一致性策略学习
Saliency-Guided Representation with Consistency Policy Learning for Visual Unsupervised Reinforcement Learning
对做视觉表征与决策结合的研究者，这篇论文给出一个可复用的思路：用显著性引导的动力学预测任务把表征学习与后继度量训练解耦，使视觉URL中的表征聚焦于动力学相关区域；同时把一致性模型（快速采样）与无分类器引导引入技能条件策略，用于建模多模态动作分布，可直接迁移到视觉条件策略学习与技能可控生成。