AdaptaGen：基于层次化语义优化框架的数据集特定图像生成
计算机视觉与模式识别
2025-07-09 v1 多媒体
摘要
数据集特定图像生成旨在生成针对特定领域的高质量视觉内容，同时确保语义准确性和细节保真性。然而，现有方法存在两个关键局限性：首先，当前方法分别处理提示工程和模型适应，忽略了语义理解与视觉表征在特定领域内的内在依赖关系；其次，这些技术在内容合成过程中不充分地融入领域特定的语义约束，导致生成结果出现幻觉和语义偏差。为解决这些问题，我们提出了AdaptaGen——一种集成矩阵化提示优化与多视角理解的层次化语义优化框架，捕获从全局和局部两个角度的完整语义关系。为缓解特定领域中的幻觉问题，我们设计了一种跨模态适应机制，结合智能内容合成，既能保留核心主题元素，又能融合跨图像的多样化细节。此外，我们在生成阶段引入了两种阶段的标题语义转换。该方法在保持语义连贯性的同时增强视觉多样性，确保生成图像遵循领域特定约束。实验结果表明，我们的方法在40个类别中均取得优异性能，仅需每个类别16张图像，显著提升了图像质量、多样性和语义一致性。
引用
@article{arxiv.2507.05621,
title = {AdaptaGen: Domain-Specific Image Generation through Hierarchical Semantic Optimization Framework},
author = {Suoxiang Zhang and Xiaxi Li and Hongrui Chang and Zhuoyan Hou and Guoxin Wu and Ronghua Ji},
journal= {arXiv preprint arXiv:2507.05621},
year = {2025}
}