顺序并非布局：图像生成中的顺序到空间偏置
计算与语言
2026-03-05 v1 人工智能
计算机视觉与模式识别
多媒体
摘要
我们研究现代图像生成模型中的系统性偏置：文本中实体的出现顺序会不经意地决定空间布局和实体-角色绑定。我们称此现象为顺序到空间偏置（Order-to-Space Bias, OTS），并指出其在文本到图像和图像到图像生成中均存在，常常会覆盖基于 grounding 的线索，导致错误的布局或角色分配被颠倒。为量化 OTS，我们引入 OTS-Bench，通过仅在实体顺序上有所不同的配对提示来隔离顺序效应，并沿两个维度进行评估：均匀化和正确性。实验表明，顺序到空间偏置（OTS）在现代图像生成模型中广泛存在，并且我们提供证据表明它主要是数据驱动的，并且在布局形成的早期阶段显现。针对这一洞察，我们表明有针对性的微调和早期干预策略可显著降低 OTS，同时保持生成质量。
引用
@article{arxiv.2603.03714,
title = {Order Is Not Layout: Order-to-Space Bias in Image Generation},
author = {Yongkang Zhang and Zonglin Zhao and Yuechen Zhang and Fei Ding and Pei Li and Wenxuan Wang},
journal= {arXiv preprint arXiv:2603.03714},
year = {2026}
}