擴散變形金剛

深度分析

外觀指標：擴散變形金剛的多模態區域控制新方法

本研究提出「外觀指標」（Appearance Pointers），一種輕量且模態無關的機制，讓擴散變形金剛（DiTs）能精確理解並應用使用者指定區域的視覺或文字提示。透過區域對應網路與空間聚合模組，此方法可在不重新訓練基礎模型的前提下，同時處理多個區域描述，並支援影像與文字混合輸入。