Graph visual representation for controllable scene layout generation

Jin Li

doi:10.1016/j.jvcir.2026.104814

Graph visual representation for controllable scene layout generation

2026-05-08

0

PRE

AI

DOI：10.1016/j.jvcir.2026.104814

原文链接

原文求助

摘要

En 中文

自然场景布局和物体边界框对于可控文本到图像生成至关重要。扩散方法通常因对层次空间关系的显式建模不足而表现出物体错位和缩放不准确。现有的布局生成方法主要将描述性三元组编码为句子，忽视了显式图形信号。为解决此问题，我们提出GCN-LT，一种采用图卷积网络（GCN）显式捕获物体关系特征的新方法，然后将这些特征与隐式语义特征融合。一个Transformer编码器-解码器处理这些融合特征，以预测符合语义和空间约束的边界框。在COCO和VG数据集上的评估表明，GCN-LT在生成自然场景布局方面优于当前最优基线，生成更自然协调的图像。GCN-LT为智能布局生成提供了有效解决方案。

Keyword:

Graph Convolutional Networks

Scene Layout Generation

Object Bounding Boxes

Controllable Text-to-Image Generation

Visual Representation

Graph visual representation for controllable scene layout generation

摘要

期刊

机构

引用论文