Plot'n Polish：基于文本到图像扩散模型的零样本故事可视化与解耦编辑
计算机视觉与模式识别
2025-09-05 v1
摘要
文本到图像扩散模型已在各个领域展现出生成多样化且细节丰富的视觉内容的重要能力，故事可视化正成为一个极具前景的应用。然而，随着其在现实创意领域中的应用增加，以一致的方式提供增强的控制、细化以及生成后修改图像的能力成为一项重要挑战。现有方法通常缺乏在保持多帧视觉与叙事一致性的同时应用精细或粗略编辑的灵活性，阻碍了创作者无缝地制作和打磨其视觉故事。为了应对这些挑战，我们引入了 Plot'n Polish，这是一个零样本框架，能够实现一致的故事生成，并在不同细节层级上对故事可视化提供细粒度控制。
引用
@article{arxiv.2509.04446,
title = {Plot'n Polish: Zero-shot Story Visualization and Disentangled Editing with Text-to-Image Diffusion Models},
author = {Kiymet Akdemir and Jing Shi and Kushal Kafle and Brian Price and Pinar Yanardag},
journal= {arXiv preprint arXiv:2509.04446},
year = {2025}
}