AnyLogo：基于 Gemini 状态的仙妆主导扩散系统

扩散模型在促进高吞吐日常生产方面取得了令人瞩目的进展。然而，针对真实保真度的吸引定制需求仍然需要针对实例进行微调。先前的零-shot 定制工作通过简洁注入身份特征来实现语义一致性，同时通过复杂的模型配置和主体特定的制造来解决详细的低层签名，这显著破坏了整个系统中的统计一致性，并限制了在各种场景中的适用性。为促进具有纠正效率的通用签名浓度，我们提出了AnyLogo，一个在细节一致性方面表现出色的零-shot区域定制器，建立在消除繁琐设计的仙妆扩散系统之上。作为vanilla图像生成， 我们发现严格的签名提取和创意内容生成在同一去噪模型中具有良好的兼容性，并且可以系统性地回收。在外部配置方面，仙妆状态的去噪模型促进了增强的主体传递效率和解缔的语义-签名空间与连续签名装饰。此外，采用稀疏回收范式以防止压缩传递配额下多样化签名激发的重复风险。大量实验在构建的标志级别基准上表明我们方法的有效性和实用性。