深度生成模型下的个性化图像生成：十年回顾
计算机视觉与模式识别
2025-02-19 v1
摘要
近期生成模型的快速发展显著推动了个性化内容创建技术的发展。给定一个包含用户特定概念的少量图像，个性化图像生成能够创建融合指定概念并遵循文本描述的图像。鉴于其在内容创建领域的广泛应用，近年来该领域投入了大量资源。然而，用于个性化的技术随着生成模型的发展不断演进，其独特且相互关联的组件也随之出现。本文综述了跨各种生成模型的通用个性化图像生成研究，包括传统的GAN、当代文本到图像扩散模型以及新兴的多模型自回归模型。我们首先定义了一个统一框架，标准化了不同生成模型中的个性化过程，涵盖三个关键组件，即逆空间、逆方法和个性化方案。该统一框架提供了一种结构化方法，用于剖析和比较不同生成架构中的个性化技术。基于该统一框架，我们进一步深入分析了每种生成模型中的个性化技术，突出其独特贡献和创新。通过比较分析，本文阐明了个性化图像生成的当前格局，确定了现有方法之间的共性与区别。最后，我们讨论了该领域的开放挑战，并提出了未来研究的潜在方向。我们将持续跟踪相关工作，地址：https://github.com/csyxwei/Awesome-Personalized-Image-Generation
引用
@article{arxiv.2502.13081,
title = {Personalized Image Generation with Deep Generative Models: A Decade Survey},
author = {Yuxiang Wei and Yiheng Zheng and Yabo Zhang and Ming Liu and Zhilong Ji and Lei Zhang and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2502.13081},
year = {2025}
}
备注
39 pages; under submission; more information: https://github.com/csyxwei/Awesome-Personalized-Image-Generation