正确为我着色：桥接感知颜色空间与文本嵌入以改进扩散生成

在文本到图像（T2I）生成中，准确的颜色对齐对于时尚、产品可视化与室内设计等应用至关重要，然而当前的扩散模型在处理细微与复合颜色术语（如蒂芙尼蓝、酸橙绿、热粉红）时存在困难，常生成与人类意图不符的图像。现有方法依赖于交叉注意力操纵、参考图像或微调，但无法系统性地解决模糊的颜色描述。为了在提示模糊时精确渲染颜色，我们提出了一个免训练框架，该框架利用大型语言模型（LLM）消除颜色相关提示的歧义，并直接在文本嵌入空间中引导颜色混合操作，从而增强颜色保真度。该方法首先利用大型语言模型（LLM）解析文本提示中模糊的颜色术语，随后根据所得颜色术语在 CIELAB 颜色空间中的空间关系优化文本嵌入。与以往方法不同，我们的方法无需额外训练或外部参考图像即可提高颜色准确度。实验结果表明，我们的框架在不损害图像质量的前提下改善了颜色对齐，弥合了文本语义与视觉生成之间的差距。