基于SVD特征分解的无训练风格-personalization

我们提出一种在推理阶段通过尺度序列化模型实现风格-personalized图像生成的无训练框架。该方法以单个参考风格引导生成风格化图像，同时保持语义一致性并缓解内容泄露。通过对生成过程的详细分步分析，我们识别出一个关键步骤，其中内部特征的主导奇异值编码与风格相关的组件。基于这一洞察，我们引入两种轻量级控制模块：主成分特征混合， 通过SVD-based特征重构实现对风格的精确调制；结构注意力校正，通过在细粒阶段利用内容引导注意力校正来稳定结构一致性。即使没有任何额外训练，广泛的实验表明，该方法在风格保真度和提示保真度方面与微调基线相当，同时提供更快的推理速度和更大的部署灵活性。