11:03
官方账号arXiv cs.AI@Junhao Chen, Chanyu Zhu, Zheqi Lv, Keting Yin, Shengyu Zhang
推荐理由：这个框架不用重训模型，就能在图片和视频生成时自动修语义错，比之前的免训练方法更靠谱。
AVMs
共 1 条相关 AI 资讯
6月23日
11:03
自回归视觉模型（AVM）基于下一尺度预测进行图像和视频合成，但语义错误易累积。现有免训练方法忽略中间生成状态，导致错误未被诊断。Gazer框架引入多模态大语言模型反馈，在AVM采样循环中通过反思诊断和语义修正两个阶段实时纠正错误。在组合图像和视频基准测试中，Gazer提升了多个AVM的语义对齐和组合准确性，无需额外训练。