拓展内容-风格前沿：一种用于内容-风格LoRA融合的平衡子空间混合方法
计算机视觉与模式识别
2025-11-04 v1
摘要
文本到图像扩散模型的最新进展显著提升了生成图像的个性化和风格化能力。然而，先前的研究仅在单一风格强度下评估内容相似性。在我们的实验中，我们观察到增加风格强度会导致内容特征的显著损失，从而产生次优的内容-风格前沿。为解决此问题，我们提出了一种新颖的方法，通过利用内容-风格子空间混合和内容-风格平衡损失来拓展内容-风格前沿。我们的方法在不同风格强度下提高了内容相似性，显著拓宽了内容-风格前沿。大量实验表明，我们的方法在定性和定量评估中均优于现有技术，与当前方法相比，实现了更优的内容-风格权衡，并显著降低了倒置代际距离（IGD）和代际距离（GD）分数。
引用
@article{arxiv.2511.01355,
title = {Expanding the Content-Style Frontier: a Balanced Subspace Blending Approach for Content-Style LoRA Fusion},
author = {Linhao Huang},
journal= {arXiv preprint arXiv:2511.01355},
year = {2025}
}