Q-Align：通过查询-查询对齐缓解零样本外观迁移中的注意力泄漏
计算机视觉与模式识别
2025-09-01 v1
摘要
我们注意到，利用大规模图像生成模型进行零样本外观迁移面临一个显著挑战：注意力泄漏。这种挑战源于语义映射 Between 两幅图像由查询-键对齐捕获。为解决此问题，我们引入 Q-Align，利用查询-查询对齐来缓解注意力泄漏并提高零样本外观迁移中的语义对齐。Q-Align 包含三个核心贡献：(1) 查询-查询对齐，促进两幅图像之间精细的空间语义映射；(2) 键值重排，通过重新对齐增强特征对应；(3) 利用重排后的键和值进行注意力细化，以保持语义一致性。我们通过大量实验和分析验证了 Q-Align 的有效性，Q-Align 在保持竞争性结构保持的同时，优于当前在外观保真度方面的前沿方法。
引用
@article{arxiv.2508.21090,
title = {Q-Align: Alleviating Attention Leakage in Zero-Shot Appearance Transfer via Query-Query Alignment},
author = {Namu Kim and Wonbin Kweon and Minsoo Kim and Hwanjo Yu},
journal= {arXiv preprint arXiv:2508.21090},
year = {2025}
}