AnimalBooth：面向动物主体个性化的多模态特征增强
计算机视觉与模式识别
2026-04-28 v2
摘要
个性化动物图像生成因丰富的表观线索和较大的形态变异性而极具挑战。现有方法常出现跨域特征错位，导致身份漂移。我们提出 AnimalBooth，一个通过动物网络和自适应注意力模块来强化身份保持的框架，以缓解跨域对齐误差。我们进一步引入频率控制特征集成模块，在潜空间中应用离散余弦变换滤波来引导扩散过程，实现从全局结构到细节纹理的由粗到精的生成。为推进该领域研究，我们精心构建了 AnimalBench，一个用于动物个性化的高分辨率数据集。大量实验表明，AnimalBooth 在多个基准上持续优于强基线方法，并同时提升了身份保真度和感知质量。
引用
@article{arxiv.2509.16702,
title = {Animalbooth: multimodal feature enhancement for animal subject personalization},
author = {Chen Liu and Haitao Wu and Kafeng Wang and Weiran Huang},
journal= {arXiv preprint arXiv:2509.16702},
year = {2026}
}