扩散采样中的推理时间损失引导的颜色保持
计算机视觉与模式识别
2026-01-27 v1 图形学
机器学习
摘要
精确的颜色控制仍是文本到图像扩散系统持续的失败模式，特别是在需要输出满足明确用户指定颜色目标的设计导向工作流程中。我们提出一种在推理阶段进行区域约束颜色保持的方法，可在无需额外训练的情况下引导预训练扩散模型。我们的方法结合了(i) 基于ROI的局部 inpainting 以实现空间选择性，(ii) 背景-潜在重新施加以防止ROI外部的颜色漂移，以及(iii) 通过在CIE Lab和线性RGB中定义的复合损失进行潜在 nudging 的梯度引导。该损失被构造为控制不仅限于平均ROI颜色，还通过CVaR风格和软最大惩罚来控制像素级误差分布的尾部，伴随较晚启动门和时序依赖调度以稳定整个去噪步骤中的引导。我们表明，仅基于均值的基线方法虽然能满足平均颜色约束，却会产生感知上突出的局部失效，从而激发我们分布感知目标的需求。最终的方法提供了一种实用的、无训练的机制，可实现针对性的颜色一致性，可集成到标准的Stable Diffusion局部 inpainting 管道中。
引用
@article{arxiv.2601.17259,
title = {Inference-Time Loss-Guided Colour Preservation in Diffusion Sampling},
author = {Angad Singh Ahuja and Aarush Ram Anandh},
journal= {arXiv preprint arXiv:2601.17259},
year = {2026}
}
备注
25 Pages, 12 Figures, 3 Tables, 5 Appendices, 8 Algorithms