基于扩散模型的个性化内容合成综述
计算机视觉与模式识别
2025-12-01 v5
摘要
扩散模型的最新进展对内容创作产生了重大影响，导致了个性化内容合成的出现。通过利用一小部分具有相同主题的用户提供的示例，PCS 旨在将该主题定制为特定的用户定义提示。在过去两年中，该领域引入了超过 150 种方法。然而，现有的综述主要集中在文本到图像生成上，很少有关于 PCS 的最新总结。本文对 PCS 进行了全面的综述，介绍了 PCS 研究的一般框架，这些框架可分类为测试时微调和预训练适应方法。我们分析了这些方法的优势、局限性和关键技术。此外，我们探讨了该领域内的专门任务，例如对象、人脸和风格个性化，同时强调了它们独特的挑战和创新。尽管取得了令人瞩目的进展，我们也讨论了正在进行的挑战，包括过拟合以及主体保真度与文本对齐之间的权衡。通过这一详细的概述和分析，我们提出了进一步推动 PCS 发展的未来方向。
引用
@article{arxiv.2405.05538,
title = {A Survey on Personalized Content Synthesis with Diffusion Models},
author = {Xulu Zhang and Xiaoyong Wei and Wentao Hu and Jinlin Wu and Jiaxin Wu and Wengyu Zhang and Zhaoxiang Zhang and Zhen Lei and Qing Li},
journal= {arXiv preprint arXiv:2405.05538},
year = {2025}
}