FICGen：面向布局驱动退化图像生成的频率启发上下文解耦方法

布局到图像（L2I）生成在自然领域已展现出有前景的结果，但在应用于退化场景（如低光照、水下）时，存在生成保真度有限且与用户提供的布局对齐不佳的问题。我们主要将这些局限性归因于退化条件下的“上下文错觉困境”，即前景实例被上下文主导的频率分布所淹没。受此启发，本文提出了一种新的频率启发上下文解耦生成（FICGen）范式，旨在将退化图像的频率知识迁移到潜在扩散空间中，从而通过上下文频率感知引导来促进退化实例及其周围环境的渲染。具体而言，FICGen 包含两个主要步骤。首先，我们引入一种可学习的双查询机制，每个查询与一个专用的频率重采样器配对，以从训练集中预先收集的退化样本中提取上下文频率原型。其次，采用视觉-频率增强注意力将频率原型注入退化生成过程。为了缓解上下文错觉和属性泄漏，我们开发了一个实例一致性图来调节单个实例与其周围环境之间的潜在空间解耦，并辅以一个自适应空间-频率聚合模块来重建空间-频率混合的退化表示。在涵盖从严重低光照到轻微模糊等多种退化场景的 5 个基准上的大量实验表明，FICGen 在生成保真度、对齐度和下游辅助可训练性方面始终优于现有的 L2I 方法。