FreeBlend：基于分阶段反馈驱动的概念混合提升方法
计算机视觉与模式识别
2025-11-11 v3
摘要
概念混合是生成模型中的一个有前景但尚未充分探索的领域。虽然近期方法，如基于结构草图的嵌入混合和潜在修改，已被提出，但它们常常存在语义信息不兼容以及形状和外观的差异问题。本文引入了 FreeBlend，一个有效且无需训练的框架，用于解决上述挑战。为缓解跨模态损失并增强特征细节，我们利用转移图像嵌入作为条件输入。该框架采用逐步递增的插值策略在潜在空间中进行处理，逐渐调整混合比例，以无缝集成辅助特征。此外，我们引入了反馈驱动机制，按逆序更新辅助潜在向量，促进全局混合，防止僵硬或不自然的输出。广泛的实验表明，我们的方法显著提高了混合图像的语义一致性和视觉质量，产生引人注目且连贯的结果。
引用
@article{arxiv.2502.05606,
title = {FreeBlend: Advancing Concept Blending with Staged Feedback-Driven Interpolation Diffusion},
author = {Yufan Zhou and Haoyu Shen and Huan Wang},
journal= {arXiv preprint arXiv:2502.05606},
year = {2025}
}
备注
Webpage: https://petershen-csworld.github.io/FreeBlend