2K-角色-10K-故事：带有解耦控制与序列一致性的质量筛选分散叙事数据集
计算机视觉与模式识别
2025-12-08 v1 人工智能
摘要
在精确的瞬时属性控制下维持序列身份一致性，一直是可控视觉叙事中的长期挑战。现有数据集缺乏足够的保真度，无法将恒定身份与瞬时属性解耦，从而限制了对姿态、表情和场景构图的结构化控制，进而限制了可靠的序列合成。为此，我们引入了 \textbf{2K-角色-10K-故事}，一个包含 \textbf{2{,}000} 个唯一风格化角色、\textbf{10{,}000} 个插画故事的多模态风格化叙事数据集。这是第一个将大规模唯一身份与显式、解耦的控制信号相结合，以实现序列身份一致性的数据集。我们引入了 \textbf{人类在环管线 (HiL)}，该管线利用专家验证的字符模板和 LLM 指导的叙事规划，以生成高度对齐的结构化数据。我们引入了 \textbf{解耦控制} 方案，将持久身份与瞬时属性（姿态和表情）分离；同时引入 \textbf{质量筛选环}，集成 MMLM 评估、Auto-Prompt 调优和局部图像编辑，以实现像素级一致性。广泛的实验表明，在本数据集上微调的模型在生成视觉叙事方面 achieves 与闭源模型相当的性能。
引用
@article{arxiv.2512.05557,
title = {2K-Characters-10K-Stories: A Quality-Gated Stylized Narrative Dataset with Disentangled Control and Sequence Consistency},
author = {Xingxi Yin and Yicheng Li and Gong Yan and Chenglin Li and Jian Zhao and Cong Huang and Yue Deng and Yin Zhang},
journal= {arXiv preprint arXiv:2512.05557},
year = {2025}
}