基于颜色与形状解�合的颜色引导学习：使用扩散模型

文本到图像 (T2I) 生成因扩散模型的出现而取得了显著进步。这些模型展现出基于文本提示生成图像的惊人能力。当前的 T2I 模型允许用户使用语言颜色名称指定物体颜色。然而，这些标签涵盖广泛的颜色范围，难以实现精确的颜色匹配。为解决这一困难任务，提出颜色引导学习，以学习针对用户选定颜色的特定颜色提示。现有的 T2I 个人化方法往往导致颜色-形状 entanglement。为克服这一问题，我们生成若干目标颜色的基本几何对象，以实现颜色与形状在颜色引导学习期间的解�合。我们提出的方法称为 ColorPeel，成功地帮助 T2I 模型从这些彩色形状中“剥离”出新的颜色提示。在实验中，我们证明了 ColorPeel 在实现 T2I 模型的精确颜色生成方面的有效性。此外，我们将 ColorPeel 推广为有效学习抽象属性概念（包括纹理、材料等）的方法。我们的发现代表了提高 T2I 模型精度和灵活性的重要一步，为创意应用和设计任务提供了新机遇。我们的项目地址为 https://moatifbutt.github.io/colorpeel/。