arXiv Computer Vision· Liyu Jia, Fengda Zhang, Jiachun Pan, Kesen Zhao, Saining Zhang, Wang Lin, Weijia Wu, Yue Liao, Aojun Zhou, Hanwang Zhang·· 4 小时前AI 评分26
先想象再作画：面向图像生成的视觉提示工程（VPE）
Imagine Before You Draw: Visual Prompt Engineering for Image Generation
AI 导读
研究者提出视觉提示工程（VPE），让模型先自回归生成 SigLIP 2 等视觉语义 token 作为"视觉提示"捕捉语义布局，再据此生成完整图像 token，可无缝集成进 Transfusion、BAGEL、Show-o2 等内部架构。
来源：arXiv Computer Vision · arxiv.org