SLD

让AI画图更听话，大模型自动纠错生成精准图像

SLD是一个由CVPR 2024收录的官方实现项目，提出了一种自校正的大语言模型控制扩散模型方法。它解决的是文本到图像生成中，扩散模型难以精确遵循复杂文本指令、生成结果与用户意图不符的问题。其核心能力是引入大语言模型作为控制器，在扩散采样过程中动态评估生成图像与文本提示的一致性，并自动修正生成方向，从而提升图像与文本的匹配度。项目基于Python实现，技术栈涵盖Stable Diffusion、DALL-E 3等主流扩散模型，支持文本到图像生成和图像编辑任务。通过自我校正机制，SLD在复杂场景描述、多对象关系、属性绑定等挑战性文本提示下，能显著减少生成错误，提高图像质量和语义准确性。该工作为扩散模型的精确控制提供了新思路。