BIT：统一文本与图像的双向扩散框架
serrjoa · x · 2026-08-31
研究者提出了 BIT (Bidirectional Image-Text Diffusion Bridges)，这是一个统一文本到图像和图像到文本生成的双向框架。
- 核心创新：传统的文本生成图像模型通常从噪声开始，而 BIT 直接从文本 token 过渡到图像，实现更紧密的模态连接。
- 统一架构：在同一个双向框架下处理文生图和图生文任务。
- 资源：论文、Demo 和代码均已公开。
所属事件:BIT 双向扩散框架统一文生图与图生文(2 条相关)→
「多模态」频道最新
- 开源工具 ebook2audiobook 免费把电子书变有声书，已获 2 万 star — thisguyknowsai · 2026-10-16
- AI 生成 Nicole Kidman 超现实时装大片：巨大雕塑感廓形震撼网友 — OVolosin82152 · 2026-10-16
- Valtz 新版支持 FLUX.3，Mac 本地生图最高 4K 分辨率 — TgoAI · 2026-10-16
- H3 视频换角 LoRA V1.5 发布，附完整 ComfyUI 工作流 — linoy_tsaban · 2026-10-16
- ForcingBooster 按块分配去噪步数，自回归视频生成算力省一半 — VAST-AI · 2026-10-16
- 东京现 Gemini AI 拍照亭，把游客变成公仔与微缩场景 — bradneuberg · 2026-10-16