并非所有鸟类都相同：面向鸟类的身份保持生成
计算机视觉与模式识别
2026-04-02 v2
摘要
自可控图像生成技术问世以来，越来越丰富的控制方式已实现日常用户的更大定制和可及性。零样本、身份保持模型如 Insert Anything 和 OminiControl 现在支持无需额外微调即可实现的虚拟试穿等应用。尽管这些模型对人类和刚性日常物体较为适用，但对于非刚性或细粒度类别仍存在局限。这些领域往往缺乏可访问的高质量数据——尤其是同一主题的视频或多视角观察——这使得它们难以评估和改进。然而，这些领域对于超越内容创建、实现需要精确性和细节的应用至关重要。鸟类是这一任务的绝佳范例：它们具有高度多样性，需要细粒度线索进行识别，呈现多样化的姿态。我们引入 NABirds Look-Alikes（NABLA）数据集，包含 4,759 对专家精选图像对。该数据集包含来自 iNaturalist 多图像观察的 1,073 对以及一小部分视频，构成评估鸟类身份保持生成的基准。我们表明，领先的基线方法在该数据集上未能保持身份标识。我们演示了使用以物种、年龄和性别为代理的身份进行图像分组训练，可显著提升在已见和未见物种上的性能。
引用
@article{arxiv.2512.04485,
title = {Not All Birds Look The Same: Identity-Preserving Generation For Birds},
author = {Aaron Sun and Oindrila Saha and Subhransu Maji},
journal= {arXiv preprint arXiv:2512.04485},
year = {2026}
}