SCAdapter：扩散风格迁移的内容-风格解耦
计算机视觉与模式识别
2025-12-16 v1
摘要
扩散模型已成为风格迁移的领导方法，但它们在实现真实感的风格迁移方面存在挑战，常常产生类似绘画的结果或遗漏细致的风格元素。当前方法不充分地解决了来自原始内容风格和风格参考内容特征的不可寻常影响问题。我们引入 SCAdapter，一种利用 CLIP 图像空间有效分离和集成内容与风格特征的新技术。我们的关键创新系统地提取内容图像中的纯内容和风格参考中的风格元素，确保实现真实的迁移。该方法通过三个组件增强：可控风格自适应实例归一化（CSAdaIN）实现精确的多风格混合、KVS 注入实现针对性的风格集成，以及保持过程一致性的风格迁移一致性目标。全面实验表明，SCAdapter 在常规和基于扩散的基线中均显著优于最先进的方法。通过消除 DDIM 反向和推理阶段优化，我们的方法在其他基于扩散的方法中至少快 2 倍，使其在实际应用中更有效更高效。
引用
@article{arxiv.2512.12963,
title = {SCAdapter: Content-Style Disentanglement for Diffusion Style Transfer},
author = {Luan Thanh Trinh and Kenji Doi and Atsuki Osanai},
journal= {arXiv preprint arXiv:2512.12963},
year = {2025}
}
备注
Accepted to WACV 2026