共 1 篇相关文章
TextSphere 通过 AdaLN 注入 CLIP 文本嵌入,并提出 SSAU 超球面对齐与均匀性目标,将 Sphere Encoder 扩展为高效文生图框架,仅需 4 至 6 步采样即可在 CUB-200-2011 与 MS-COCO-2014 上取得优于对比模型的 gFID。