每日AIGC最新进展(50)：联想研究院提出多轮交互式漫画图像生成扩散模型

Diffusion Models专栏文章汇总：入门与实战

由于尖端的文本到图像(tt2i)生成模型已经擅长于生成出色的单幅图像，一项更具挑战性的任务，即多回合交互式图像生成开始引起相关研究团体的关注。这项任务要求模型在多个回合中与用户交互，以生成连贯的图像序列。然而，由于用户可能频繁切换主题，目前的努力是在生成不同图像的同时保持主题的一致性。为了解决这个问题，我们引入了一个无需训练的多智能体框架AutoStudio。AutoStudio使用三个基于大型语言模型(llm)的代理来处理交互，以及一个基于稳定扩散(SD)的代理来生成高质量的图像。具体来说，AutoStudio包括