OmniPSD：基于扩散Transformer的分层PSD生成
计算机视觉与模式识别
2025-12-11 v1
摘要
扩散模型的最新进展极大地改进了图像生成与编辑，然而生成或重建具有透明Alpha通道的分层PSD文件仍然极具挑战性。我们提出了OmniPSD，一个建立在Flux生态系统之上的统一扩散框架，通过上下文内学习实现了文本到PSD生成和图像到PSD分解两种功能。对于文本到PSD生成，OmniPSD将多个目标层在空间上排列到单个画布上，并通过空间注意力学习它们的组成关系，生成语义一致且层次分明的层。对于图像到PSD分解，它执行迭代上下文内编辑，逐步提取和擦除文本与前景组件，以从单个展平图像重建可编辑的PSD层。采用RGBA-VAE作为辅助表示模块，在不干扰结构学习的情况下保留透明度。在我们的新RGBA分层数据集上的广泛实验表明，OmniPSD实现了高保真生成、结构一致性和透明度感知，为扩散Transformer的分层设计生成与分解提供了新范式。
引用
@article{arxiv.2512.09247,
title = {OmniPSD: Layered PSD Generation with Diffusion Transformer},
author = {Cheng Liu and Yiren Song and Haofan Wang and Mike Zheng Shou},
journal= {arXiv preprint arXiv:2512.09247},
year = {2025}
}