文生圖新SOTA！Pika北大斯坦福聯合推出RPG，多模態助力解決文生圖兩大難題

AIGC動態歡迎閱讀

原標題：文生圖新SOTA！Pika北大斯坦福聯合推出RPG，多模態助力解決文生圖兩大難題
關鍵字：圖像,區域,提示,模型,文本
文章來源：新智元
內容字數：4808字

內容摘要：

新智元報道編輯：alan
【新智元導讀】近日，北大、斯坦福、以及Pika Labs發布了新的開源文生圖框架，利用多模態LLM的能力成功解決文生圖兩大難題，表現超越SDXL和DALL·E 3近日，北大、斯坦福、以及爆火的Pika Labs聯合發表了一項研究，將大模型文生圖的能力提升到了新的高度。
論文地址：https://arxiv.org/pdf/2401.11708.pdf
代碼地址：https://github.com/YangLing0818/RPG-DiffusionMaster
論文作者提出了一個全新的免訓練文本到圖像生成/編輯框架，利用多模態大語言模型（MLLM）強大的思維鏈推理能力，來增強文本到圖像擴散模型的組合性。
簡單來說，就是能讓文生圖模型在面對「多個屬性和關系的多個對象的復雜文本提示」時表現更出色。
話不多說，直接上圖：
A green twintail girl in orange dress is sitting on the sofa while a messy desk under a big window on the left, a lively a

原文鏈接：文生圖新SOTA！Pika北大斯坦福聯合推出RPG，多模態助力解決文生圖兩大難題

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。