Tag · 1 篇
One-to-More: High-Fidelity Training-Free Anomaly Generation with Attention Control
提出基于自注意力嫁接的免训练少样本异常生成方法,通过操纵三个并行扩散过程并引入异常掩码与双注意力增强,为视觉中数据稀缺场景的生成式数据增强提供了可复用的注意力控制思路。