厦门大学联合复旦推 GlyphAtlas:字形图谱分离笔画与布局,场景文字合成更精准
Luozheng Qin · hf · 2026-11-17
厦门大学与复旦大学团队提出 GlyphAtlas,用于场景文本合成:通过专用字形图谱(glyph atlas)与图谱锚定注意力(atlas-anchored attention),将笔画细节与版面布局解耦,为生成提供细粒度笔画参考。
论文配图显示其在密集排版的电影海报、航班信息屏、街景招牌等真实场景中保持每个文字区域笔画准确、自然融入画面,笔画精度与零样本迁移能力均获提升。
「多模态」频道最新
- 北大联合腾讯混元推 MovieRoll:流式长视频生成延展至 60 秒 — Yunyang Ge · 2026-11-17
- UMM-JEPA:用连续表征预测替代离散码训练,统一多模模型理解力大涨 — Yucheng Zhou · 2026-11-17
- Google 文档中现「veo-experimental」模型,新 Veo 或在途 — koltregaskes · 2026-11-17
- 3 万个 LoRA 卡到打不开,他用 ChatGPT 写了个 Forge 扩展救场 — Artistic-Account-423 · 2026-11-17
- AI 生成哥斯拉降临东京街头,路人四散奔逃画面逼真 — Careful-Loquat-8117 · 2026-11-17
- AI 视频演绎愤怒如何疏远亲子关系,引发共鸣 — HeyZoyaKhan · 2026-11-17