提出CoCo(Code-as-CoT)框架,将文本到图像生成中的推理过程表示为可执行代码,先生成结构化场景布局代码并渲染出确定性草图,再通过细粒度图像编辑优化为高保真图像,在多个基准上显著优于直接生成和其他思维链方法。
机构:StepFun
来源:arXiv 2603.08652 | AI4Papers 论文推荐平台