CoCoIns：基于对比实例化概念的一致性主体生成

尽管文本到图像生成模型能够合成多样且忠实的内容，但多次生成中主体不一致的问题限制了其在长篇幅内容生成中的应用。现有方法需要耗时的微调、所有主体的参考图像，或访问先前生成的内容。我们提出了对比概念实例化（Contrastive Concept Instantiation, CoCoIns），这是一个能够在多次独立生成中有效合成一致性主体的框架。该框架由一个生成模型和一个映射网络组成，后者将输入潜码转换为与特定概念实例相关联的伪词。用户可以通过重用相同的潜码来生成一致性主体。为了构建这种关联，我们提出了一种对比学习方法，训练网络区分不同的提示词与潜码组合。在单个人脸主体上的广泛评估表明，CoCoIns的性能与现有方法相当，同时保持了更高的灵活性。我们还展示了将CoCoIns扩展到多个主体及其他物体类别的潜力。