条件控制

新型文本到图像扩散模型，显著提升条件控制生成可控性 ControlNet++针对条件控制图像生成可控性不足的问题，通过显式优化生成图像与输入条件间的像素级循环一致性提升效果，借助预训练判别奖励模型提取生成图像对应条件，计算一致性损失。还引入高效奖励策略，通过加噪声扰动、单步去噪微调，避免传统方案采样带来的高额时间与内存成本。

支持动态条件组合的多条件文本到图像合成AI框架 该框架针对多条件文本到图像生成任务，通过动态组合不同类型、数量的控制信号完成图像合成。框架先通过双循环控制器结合预训练生成、判别模型生成初始条件分数排序，再借助多模态大语言模型优化排序，联合优化MLLM与扩散模型，最终通过并行多控制适配器调节ControlNet增强生成控制，可自适应不同条件需求。