In de wereld van AI-beeldgeneratie is het mogelijk om de positie van objecten nauwkeurig vast te leggen via zogenaamde 'bounding boxes'. Hoewel deze kaders de locatie bepalen, worstelen veel huidige systemen met de gelaagdheid wanneer deze kaders elkaar overlappen. Dit resulteert vaak in visuele fouten waarbij objecten onlogisch in elkaar overvloeien of de diepte in de afbeelding niet klopt.
Om deze problematiek op te lossen, hebben Wenyang Hong en een team van onderzoekers OccluRank ontwikkeld. Volgens een publicatie op arxiv.org introduceert dit framework een simpel ordinaal rangnummer voor elke bounding box. Door deze toevoeging kan een gebruiker expliciet aangeven in welke volgorde objecten moeten worden weergegeven, wat een veel grotere controle over de occlusie, oftewel het overlappen van objecten, mogelijk maakt.
De technische kern van dit systeem is de 'Order-aware Instance Interaction' (OII)-module. Deze module zorgt ervoor dat de representaties van objecten gezamenlijk worden aangepast op basis van hun toegewezen rang voordat ze in het uiteindelijke beeld worden samengevoegd. Hierdoor kunnen overlappende objecten informatie uitwisselen zonder dat er complexe geometrische gegevens of tijdrovende optimalisaties tijdens het generatieproces nodig zijn.
Een essentieel onderdeel van het onderzoek is de ontwikkeling van OccluLayout, een synthetische dataset voor training. In tegenstelling tot oudere methoden, waarbij de volgorde van objecten vaak werd geschat op basis van bestaande beelden, zijn de annotaties in OccluLayout direct afgeleid van bekende scènegeometrie. Om de effectiviteit van het model te toetsen, hebben de onderzoekers daarnaast OccluLayout-Bench geïntroduceerd. Hierbij worden multimodale grote taalmodellen (LLM's) ingezet als evaluatoren om te controleren of de objecten aanwezig zijn, of de ruimtelijke layout correct is en of de gewenste volgorde van overlapping is gerealiseerd. De resultaten wijzen uit dat OccluRank betrouwbaarder is in het volgen van de opgegeven layout terwijl de beeldkwaliteit behouden blijft.
De strijd tegen visuele ambiguïteit bij overlapping is een breder thema binnen recent AI-onderzoek. Eerder in 2026 werd OcclusionFormer gepresenteerd, een framework dat een 'Diffusion Transformer' gebruikt om Z-order prioriteit te modelleren via volume rendering. Zoals beschreven in een presentatie op icml.cc, probeerde OcclusionFormer de onduidelijkheid in overlappende regio's te verminderen door objecten te ontkoppelen en een specifieke 'queried alignment loss' toe te passen voor een betere semantische consistentie.
Voor OcclusionFormer werd gebruikgemaakt van de SA-Z dataset, een uitgebreide verzameling met pixel-niveau annotaties en expliciete occlusievolgordes, zoals verder toegelicht in de documentatie op github.com. Waar OcclusionFormer een complexere architectuur met volume rendering hanteert, biedt OccluRank een directer en eenvoudiger controlemechanisme door enkel een rangnummer aan de layout-kaders toe te voegen. Deze benadering is ook besproken in technische analyses op huggingface.co.
Deze opeenvolgende ontwikkelingen markeren een belangrijke verschuiving in de AI-beeldgeneratie. De focus verschuift van het enkel bepalen van 'wat' en 'waar' een object staat, naar een precieze beheersing van de ruimtelijke diepte en de interactie tussen verschillende elementen in een digitale compositie.