面向扩散模型的动态视觉语言模型引导负面提示

我们提出了一种 novel approach for diffusion models中动态负面提示的方法，利用视觉语言模型（Vision-Language Models, VLMs）在去噪过程中自适应生成负面提示。不同于传统的负面提示方法使用固定的负面提示，本方法在特定去噪步骤生成中间图像预测，并查询VLm以产生情境上恰当的负面提示。我们在 various benchmark数据集上评估了该方法，并展示了负面引导强度与文本-图像对齐之间的trade-offs。