基于作者写作风格的个性化图像生成

将细腻、文本定义的作者写作风格转化为引人注目的视觉表征，是生成式 AI 中的一个新颖挑战。本文引入了一个管道，利用作者写作表（Author Writing Sheets, AWS）——作者文学特征的结构化概述——作为大型语言模型（LLM, Claude 3.7 Sonnet）的输入。LLM 解释 AWS 生成三个独特的、具描述性的文本到图像提示，然后由扩散模型（Stable Diffusion 3.5 Medium）进行渲染。我们使用来自 Reddit 数据的 49 种作者风格进行评估，人类评估者评估生成图像的风格匹配度和视觉独特性。结果表明，生成的视觉内容与文本化作者档案之间存在良好的感知对齐（平均风格匹配度：$4.08/5$），图像被评定为中等程度的独特性。定性分析进一步突出了该管道捕捉情绪和氛围的能力，同时也确定了在表示高度抽象叙事元素方面的挑战。这一工作贡献了一种新的端到端方法，用于视觉作者风格个性化，并提供了初始的实证验证，为创意辅助和跨模态理解等应用开辟了研究方向。