引导与方差校正融合结合一次性风格对齐用于大内容图像生成
计算机视觉与模式识别
2025-02-11 v2 人工智能
摘要
使用小型扩散模型生成大图像越来越受欢迎，因为训练大型模型的成本可能过高。一种常见的方法是联合生成一系列重叠的图像块，并通过合并相邻块来获得大图像。然而，现有方法的结果通常表现出明显的伪影，例如接缝以及不一致的对象和风格。为了解决这些问题，我们提出了引导融合（GF），通过对重叠区域应用加权平均来减轻远距离图像区域的负面影响。此外，我们提出了方差校正融合（VCF），它在平均后校正数据方差，为去噪扩散概率模型生成更准确的融合。此外，我们提出了一次性风格对齐（SA），通过调整初始输入噪声来为大图像生成一致的风格，而无需增加额外的计算负担。大量实验表明，所提出的融合方法显著提高了生成图像的质量。所提出的方法可以广泛用作即插即用模块，以增强其他基于融合的大图像生成方法。代码：https://github.com/TitorX/GVCFDiffusion
引用
@article{arxiv.2412.12771,
title = {Guided and Variance-Corrected Fusion with One-shot Style Alignment for Large-Content Image Generation},
author = {Shoukun Sun and Min Xian and Tiankai Yao and Fei Xu and Luca Capriotti},
journal= {arXiv preprint arXiv:2412.12771},
year = {2025}
}