CSD-VAR：视觉自回归模型中的内容-风格分解
计算机视觉与模式识别
2026-03-17 v2 人工智能
摘要
从单张图像中解耦内容和风格，即内容-风格分解（CSD），能够实现提取内容的再语境化和提取风格的风格化，为视觉合成提供了更大的创作灵活性。虽然最近的个性化方法探索了显式内容风格的分解，但它们仍然是针对扩散模型量身定制的。与此同时，视觉自回归建模（VAR）作为一种有前景的替代方案出现，采用下一尺度预测范式，实现了与扩散模型相当的性能。在本文中，我们探索VAR作为CSD的生成框架，利用其尺度级生成过程来改进解耦。为此，我们提出了CSD-VAR，一种新颖的方法，引入了三个关键创新：(1) 一种尺度感知的交替优化策略，将内容和风格表示与其各自的尺度对齐以增强分离；(2) 一种基于SVD的校正方法，以减轻内容泄漏到风格表示中；(3) 一种增强内容身份保持的增强型键值（K-V）记忆。为了对该任务进行基准测试，我们引入了CSD-100，一个专门为内容-风格分解设计的数据集，包含以各种艺术风格渲染的不同主题。实验表明，CSD-VAR优于先前的方法，实现了卓越的内容保持和风格化保真度。
引用
@article{arxiv.2507.13984,
title = {CSD-VAR: Content-Style Decomposition in Visual Autoregressive Models},
author = {Quang-Binh Nguyen and Minh Luu and Quang Nguyen and Anh Tran and Khoi Nguyen},
journal= {arXiv preprint arXiv:2507.13984},
year = {2026}
}
备注
Accepted to ICCV 2025; Project page: https://nqbinhcs.github.io/csd-var-page/