CoEmoGen：面向语义连贯性与可扩展性的情感图像内容生成

情感图像内容生成（Emotional Image Content Generation, EICG）旨在根据给定情感类别生成语义明确且情感忠实的图像，具有广泛的应用前景。虽然最近的文本到图像扩散模型在生成具体概念方面表现出色，但在处理抽象情感的复杂性方面仍存在困难。此外，专为 EICG 设计的方法也过度依赖词级别属性标签进行引导，导致语义不连贯、歧义性强且可扩展性有限。为此，我们提出 CoEmoGen，一种具有语义连贯性和高可扩展性的新型管线。具体而言，利用多模态大语言模型（Multimodal Large Language Models, MLLMs），构建以情感触发内容为焦点的高质量标题，以实现上下文丰富的语义引导。进一步地，灵感来源于心理学，我们设计了层次化低秩适配（Hierarchical Low-Rank Adaptation, HiLoRA）模块，以协同建模 polarity 共享的低层特征和情感特定的高层语义。大量实验表明，CoEmoGen 在情感忠实性和语义连贯性方面均优于现有方法，实验结果从定量、定性以及用户研究三个角度均证明了其优势。为直观展示可扩展性，我们构建了 EmoArt 数据集，包含大量具有情感感染力的艺术图像，为情感驱动的艺术创作提供源源不断的灵感。数据集和代码已发布于 https://github.com/yuankaishen2001/CoEmoGen。