跨模态生成

SounDiT：地理上下文声景到景观生成

SounDiT: Geo-Contextual Soundscape-to-Landscape Generation

把环境声景作为条件、地理上下文作为先验，用 DiT 生成地理上合理的景观图像；其 PSS 评测框架（元素/场景/人类感知三级一致性）可迁移到其他跨模态生成任务的条件一致性度量。