Google 等发布 CO₂Jump 采样器,让文图生成边画边自我纠错
Upstairs_Theme2785 · reddit · 2026-09-30
Google、Google DeepMind 与石溪大学的 NeurIPS 2026 合作论文,研究图文联合生成中的一致性错位:模型可以文字描述正确的迷宫解法,图上却画出另一条路径——并行生成两个模态并不能保证一致。
方法要点:
- 提出 CO₂Jump 采样器,利用文本置信度与跨模态注意力在采样过程中引导图像更新;低置信度 token 可被重新掩码并再生,允许在生成推进时修正早期决策。
- 每个去噪步只需一次模型前向传播,采样器本身无需额外训练。
评测:在图像编辑、迷宫求解和 nonogram 三类任务上评估,并发布三个数据集 JEdit-1M、JMaze-200K、JNono-200K。在 8–512 步采样范围内,CO₂Jump 是对比中唯一在编辑质量与 grounding 上都单调提升的采样器。项目页:coupled-jump.github.io
「多模态」频道最新
- Qwen 图像 2.1 与 Minimax H3 实测:老照片修复与写实化转换 — Ant_6431 · 2026-11-16
- Minimax H3 视频生成演示:Cubee 店面镜头第二版 — JahJedi · 2026-11-16
- 不会画画的开发者用 Fable 5.2 四小时做出 14 章手绘风故事书游戏 — jradoff · 2026-11-16
- Minimax H3 Image 训练人物 LoRA 相似度差,同数据集在 Qwen 2.1 上表现优异 — Ad_Organic · 2026-11-16
- Seedance 生成地铁车厢动画片段,光影细节惊到 Reddit 网友 — Ok-Solution-7889 · 2026-11-16
- 推主用 AI 重制 1977 版《黑衣人》风格画面 — techhalla · 2026-11-16