学习解耦提示用于组合式图像合成

我们研究域自适应图像合成问题，即教导预训练图像生成模型从少至一张图像中学习新风格或概念以合成新图像，从而更好地理解组合式图像合成。我们提出了一个利用预训练类别条件生成模型与视觉提示微调的框架。具体而言，我们提出了一种新颖的源类别蒸馏视觉提示，从少量图像中学习语义（如类别）与域（如风格）的解耦提示。学习到的域提示随后被用于以目标域的风格合成任意类别的图像。我们在图像数量从一张到几张再到多张的各种目标域上进行了研究，并展示了定性结果以表明我们方法的组合泛化能力。此外，我们表明我们的方法能帮助提升零样本域自适应分类准确率。