MixSA：基于混合自注意力的无训练参考基准素描提取

当前的素描提取方法要么需要大量训练，要么无法捕捉到广泛的艺术风格，这限制了其实际应用性和通用性。我们引入 Mixture-of-Self-Attention (MixSA)，一种利用强扩散先验实现素描感知的无训练素描提取方法。 MixSA 的核心采用混合自注意力技术，通过用参考素描的键和值替换自注意力层的方式，实现了对初始轮廓图像中笔触元素的无缝集成，从而实现对纹理密度的精确控制，并支持风格之间的插值以创建新颖且未曾出现的风格。通过将笔触风格与彩色图像的纹理和轮廓对齐（特别是在处理局部纹理的晚期解码器层中），MixSA 解决了常见的颜色平均问题，通过调整初始轮廓来实现。评估结果表明，MixSA 在素描质量、灵活性和适用性方面均表现出优异性能。该方法不仅克服了现有方法的局限性，还使用户能够生成多样化且高保真度的素描，更准确地反映广泛的艺术表达。