MS-CustomNet：基于分层关系语义的可控多主体定制
计算机视觉与模式识别
2026-03-24 v1
摘要
基于扩散的文本到图像生成技术取得了显著进展，但在保持对主体相互作用进行细粒度控制的前提下，对含有多个不同主体的场景进行定制化仍然具有挑战性。现有方法常常难以为主体之间的组成结构和精确空间关系提供明确的用户定义控制。为此，我们提出了MS-CustomNet——一个用于多主体定制的新型框架。MS-CustomNet实现了多个用户提供物体的零样本集成，关键在于用户可在生成图像中显式定义这些分层布局和空间位置。我们的 метод确保保留单个主体的身份特征，同时学习并执行用户指定的主体间组成。我们还构建了基于COCO衍生的MSI数据集，以促进此类复杂多主体组成的训练。MS-CustomNet在多主体图像生成方面提供了增强的细粒度控制。本方法在身份保留方面达到0.61的DINO-I得分，在位置控制方面达到0.94的YOLO-L得分，显示出在生成高保真图像方面、实现精确用户导向的多主体组成和空间控制方面的卓越能力。
引用
@article{arxiv.2603.21136,
title = {MS-CustomNet: Controllable Multi-Subject Customization with Hierarchical Relational Semantics},
author = {Pengxiang Cai and Mengyang Li},
journal= {arXiv preprint arXiv:2603.21136},
year = {2026}
}