SwiftPie：基于一步扩散实现高速主题驱动图像个性化

扩散模型在高质量图像合成方面取得了显著成功，推动了图像导向生成任务（如主题驱动图像个性化）的关注。尽管个性化结果令人印象深刻，但现有方法通常依赖计算密集的微调、迭代优化或多步去噪过程，显著阻碍其在实际应用中部署和实时交互能力。本文提出了SwiftPie，首个实现一步扩散图像个性化工具，实现图像个性化的闪电般快速生成。SwiftPie引入了一种新颖的双分支身份注入机制，有效地将主题身份整合到一步扩散模型中。此外，我们采用掩码引导的尺度调整策略进一步提升了单步扩散中的主题语境化。广泛的实验表明，SwiftPie不仅在图像主题个性化速度方面实现了优异性能，还在身份保真度和提示对齐方面与多步骤方法实现了相当 comparable 的性能。这一工作为实现实时、高质量的个性化图像生成开辟了新的机遇，为交互式视觉合成铺平了道路。