Tag · 2 篇
测试时缩放
分布 图像编辑与可控生成1视觉语言模型1
01 02
RAISE：面向免训练文本到图像对齐的需求自适应进化精修
RAISE: Requirement-Adaptive Evolutionary Refinement for Training-Free Text-to-Image Alignment
把 T2I 生成当作需求驱动的测试时搜索：用结构化需求清单驱动 VLM 验证，只在未满足项上分配提示词重写、噪声重采样与指令编辑等精修动作，可作为即插即用的免训练推理框架套到任意扩散模型上，替代固定迭代预算的 scaling。
DuetSVG：基于内部视觉引导的统一多模态SVG生成
DuetSVG: Unified Multimodal SVG Generation with Internal Visual Guidance
将视觉预测作为解码时的内部引导信号，并配合测试时缩放策略，可迁移到其他需要结构化输出的多模态生成任务（如代码生成、布局生成）中，提升生成结果的几何一致性与视觉合理性。