حتماً برای شما هم پیش آمده که مدلهای هوش مصنوعی مثل FLUX یا Qwen در درک دقیق جزئیات پیچیده پرامپت (Prompt) دچار اشتباه شوند. خبر خوب اینکه محققان با معرفی متد جدید «TexTailor» راهکاری برای رفع این مشکل پیدا کردهاند.
این روش با تحلیل نحوه تعامل متن و ویژگیهای بصری در لایههای مختلفِ مدلهای دیفیوژن، به صورت هوشمند و در لحظهی تولید (Inference-time)، خروجی نهایی را «خیاطی» میکند تا دقیقاً با خواستهی شما مطابقت داشته باشد. با این ابزار، دیگر نگران عدم تطابق متن و تصویر نخواهید بود! 💡
منبع: arXiv Computer Vision