




身份保持的挑战:13 个鸡蛋长得几乎一模一样,甚至相互遮挡,但 AI 得学会把它们都分清楚哪个是哪个。 全局计算的缺失:人在画一幅 13 个鸡蛋的画时,自然而然会把鸡蛋的个数数一遍,而 AI 只收到了生成图片的任务,并不会主动再数一遍鸡蛋。就好比你让一个孩子去洗碗,他就只会洗碗,而不会主动联想到要擦灶台、打扫厨房、扔垃圾。 内部表示未知:AI 到底有没有学过数数,到底是怎么数的,如果不认识数字 13,那么数 13 个鸡蛋也就无从谈起了。



检测与计数:在去噪的特定步骤,提取鸡蛋的注意力图,分离并清点鸡蛋数量。 修正“数量不足”:若检测到数量少于要求,则调用一个轻量级的布局预测模型。该模型基于已有鸡蛋的布局,预测缺失物体的位置和形状,再通过注意力操控引导模型在指定区域生成一个新鸡蛋。 抑制“数量过多”:若数量超标,则通过降低多余区域的注意力响应来抑制其生成。






