借助Controlnet中的掩码引导进行电商人像填充以减少超完成
计算机视觉与模式识别
2024-09-17 v1
摘要
电商人像生成始终是电商领域的核心需求之一。其目标是根据主产品恢复匹配的缺失背景。在AIGC时代，扩散模型主要用于生成产品人像，取得令人瞩目的成果。本文系统性地分析并解决扩散模型生成中的核心痛点：超完成问题，即难以保持产品特征。我们提出两种解决方案：1. 使用经过实例掩码微调的人像填充模型来缓解这一现象；2. 采用基于概率的掩码引导方法，将精细化主产品掩码作为约束条件整合到ControlNet和UNet组合生成主产品的过程中，从而避免产品的超完成。我们的方法在实际应用中取得了令人鼓舞的成果，希望能作为该领域的激励性技术报告。
关键词
引用
@article{arxiv.2409.09681,
title = {E-Commerce Inpainting with Mask Guidance in Controlnet for Reducing Overcompletion},
author = {Guandong Li},
journal= {arXiv preprint arXiv:2409.09681},
year = {2024}
}