图像生成

Post-Hoc Guidance for Consistency Models by Joint Flow Distribution Learning

通过联合流分布学习提升一致性模型的后验指导

Chia-Hong Hsu, Randall Balestriero

机构 * Brown University（布朗大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出JFDL方法，通过预训练一致性模型实现后验指导，无需扩散模型教师，有效降低FID并提升生成图像质量。

SIC3D: Style Image Conditioned Text-to-3D Gaussian Splatting Generation

SIC3D：基于风格图像的文本到3D高斯点云生成

Ming He, Zhixiang Chen, Steve Maddock

机构 * School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 SIC3D通过引入变分风格化分数蒸馏损失，提升文本到3D生成的可控性和纹理精度，实验表明其在几何真实性和风格一致性上优于现有方法。