返回全部动态

FrameForge:利用视频基础模型先验实现统一图像生成

原标题:Paper page - FrameForge: Harnessing Priors of Video Foundation Models for Unified Image Generation

Hugging Face Daily Papers一手来源研究质量 75

AI 摘要

研究者提出 FrameForge,一种利用预训练视频基础模型先验的统一条件图像生成方法。该方法通过混合时间专家(MoTE)动态选择不同虚拟间隔的时间 RoPE 专家,并用时间推理链(CoTR)建模条件到目标的潜在中间状态转换。在 DreamBench、COCO2017 和 GEdit-Bench 上的实验显示,其在主体驱动生成、canny 到图像生成和图像编辑任务上优于对比方法。

以上摘要由 AI 生成,可能存在误差。事实请以原文为准。

正文节选

FrameForge: Harnessing Priors of Video Foundation Models for Unified Image Generation Abstract FrameForge enables adaptive conditional image generation by modeling variable condition-target relationships through dynamic temporal experts and intermediate reasoning pathways in pretrained video models. Unified conditional image generation requires a single model to preserve different aspects of a visual input while producing a target image that follows textual guidance. Pretrained video models prov


发布时间:—
抓取时间:2026-11-03 01:50
来源机构:Hugging Face
阅读原文huggingface.co