深度分析
資訊瓶頸動態框架 IB‑Flow:突破 2 步文字‑影像生成的效能上限
隨著大規模文字到影像模型在品質上突破,推理速度仍受多步限制。IB‑Flow 利用資訊瓶頸動態選取注入時機與強度,於2步配置下消除過度條件化,實現最新的生成忠實度。此框架克服靜態注入限制,較傳統CFG蒸餾與Flow Matching在結構保真與色彩自然性上有明顯優勢。
深度分析
隨著大規模文字到影像模型在品質上突破,推理速度仍受多步限制。IB‑Flow 利用資訊瓶頸動態選取注入時機與強度,於2步配置下消除過度條件化,實現最新的生成忠實度。此框架克服靜態注入限制,較傳統CFG蒸餾與Flow Matching在結構保真與色彩自然性上有明顯優勢。
CAGE 框架
教育圖示常在 K‑12 教學中扮演關鍵角色,但現有生成方法難兼顧標籤正確與視覺美感。研究提出 CAGE 框架,先由 LLM 產生結構化程式碼,再以 Diffusion 模型與 ControlNet 進行視覺精緻化,實驗顯示此流程在 400 例測試中同步提升精準度與美觀度。