GroundingBooth：一个用于文本到图像的定制框架，支持多主题和文本联合接地定制！

文章预览

GroundingBooth是一个用于文本到图像的接地定制框架。首先提取文本描述和图像的特征，然后通过一种特殊的注意力机制来控制这些特征的结合。这个机制就像是一个精密的筛子，确保每个对象和背景之间的信息不会混淆。 比如，如果你想要在一个特定的地方放一个玩具和一棵树，系统会确保玩具和树都被放在你指定的位置，而不会因为背景的干扰而位置错乱。这样，用户就可以得到既符合要求又美观的定制图像。 GroundingBooth 支持：(a) 接地的单主题定制，以及 (b) 多主题和文本实体联合接地定制，实现主题驱动的前景和文本驱动的背景生成的联合接地，并具有身份保留和文本-图像对齐功能。 相关链接 论文链接：http://arxiv.org/abs/2409.08520v1 项目主页：https://groundingbooth.github.io 代码链接：https://github.com/YOUR%20REPO%20HERE 论文阅读 GroundingBooth：将文本转换为 ………………………………