JoLT：上下文引导高分辨率平铺生成的联合潜在轨迹

尽管文本到图像生成模型产生了令人印象深刻的结果，但它们很难生成细节丰富的高分辨率 (HR) 图像。当前文献通过低分辨率到高分辨率的方法解决了这个问题。首先，生成低分辨率（LR）图像。然后，使用 LR 图像作为附加提示生成上采样版本。在本文中，我们提出了联合潜在轨迹（JoLT）。为了生成图像，JoLT 使用两个流在每个采样步骤联合对 LR 和 HR 潜在图像进行去噪。 LR潜在控制整体布局，而HR潜在控制细节。我们将两个分支机构互连起来，共同整合它们的信息。我们广泛验证了我们的方法，展示了其相对于竞争基线的优势。由此产生的图像不仅细节丰富，而且视觉上令人愉悦，为艺术创作开辟了新的途径。