面向平衡跨域特征集成的高效统一框架
计算机视觉与模式识别
2025-12-16 v3
摘要
尽管图像生成领域取得了显著进步，跨图像的内容和风格集成仍是关键挑战。当前的生成模型虽然强大，却常依赖模糊的文本提示来定义风格，从而难以在内容语义和风格保持之间取得平衡。我们提出一种 novel 框架，利用定制模型学习风格表示。通过跨模型特征和注意力调制，利用模型之间固有的语义一致性增强内容保持。此外，我们引入固定特征和自适应注意力融合，以实现所需的内容与风格之间的平衡。我们进一步开发了空间(掩码引导的局部)和时间(多风格组合)的多模型组合，实现灵活的模型和风格融合。广泛的实验表明，我们的方法在内容保持和风格一致性之间取得了超越 state-of-the-art 方法的优势。
引用
@article{arxiv.2403.18461,
title = {An Efficient and Harmonized Framework for Balanced Cross-Domain Feature Integration},
author = {Shaoxu Li and Ye Pan},
journal= {arXiv preprint arXiv:2403.18461},
year = {2025}
}
备注
https://github.com/lishaoxu1994/DiffStyler, AAAI2026