文本与布局双对齐
同时建模文本到布局与布局到图像，显式学习对象空间关系，提升合成图像与文本的语义一致性。
Liang, Jiadong · 裴文杰 · 陆峰
IEEE Transactions on Circuits and Systems for Video Technology 2023
先生成布局再合成图像，将对象空间分布建模为序列关系，缓解直接映射难以捕捉空间模式的问题。
采用Transformer建模文本到布局序列，学习对象间的空间依赖，提升布局合理性。
在布局到图像阶段，针对每个对象学习文本-视觉语义对齐，使输入文本被精确融入生成过程。