AI 中文总结
该研究提出新系统，通过微调序列到序列语言模型集成负提示优化与潜在空间分类器引导，自动生成优化负提示，用混合分类器评估引导扩散步骤，减少伪影并提高语义保真度，提升Stable Diffusion图像生成质量。
AI 中文摘要
我们提出了一种新颖的系统，该系统通过微调的序列到序列语言模型集成负提示优化和潜在空间分类器引导，以提高Stable Diffusion生成图像的质量。我们的方法自动生成优化的负提示，并采用CNN - RNN混合分类器评估和引导扩散步骤，回退低质量的潜在更新。实验结果表明，与基线扩散相比，我们的双引导框架减少了伪影并提高了语义保真度。
英文摘要
We present a novel system that integrates negative prompt optimization via a fine-tuned sequence-to-sequence LLM and latent-space classifier guidance to improve the quality of images generated by Stable Diffusion. Our approach automatically generates optimized negative prompts, and employs a CNN-RNN hybrid classifier to evaluate and guide diffusion steps, rolling back low-quality latent updates. Experimental results demonstrate that our dual-guidance framework reduces artifacts and improves semantic fidelity compared to baseline diffusion.
