条件平衡:改进图像生成中的多条件制约权衡
计算机视觉与模式识别
2025-08-05 v2 图形学
机器学习
摘要
在图像生成中，平衡内容保真度与艺术风格是关键挑战。虽然传统风格迁移方法和现代去噪扩散概率模型(DDPM)努力实现这一平衡，但往往在牺牲风格、内容或两者兼顾的情况下难以实现。本工作通过分析DDPM注意力层的保持能力，识别不同风格方面对应的特定层。通过仅将条件输入定向到这些敏感层，我们的方法实现了对风格和内容的精细控制，显著减少了来自过度约束输入的问题。我们的发现表明，该方法通过更好地对齐风格和内容，显著增强了最近的风格化技术，从而提高了生成视觉内容的质量。
引用
@article{arxiv.2412.19853,
title = {Conditional Balance: Improving Multi-Conditioning Trade-Offs in Image Generation},
author = {Nadav Z. Cohen and Oron Nir and Ariel Shamir},
journal= {arXiv preprint arXiv:2412.19853},
year = {2025}
}
备注
Conference paper at CVPR 2025. Project page: https://nadavc220.github.io/conditional-balance.github.io/