梦幻漫画：通过主体和布局定制化生成的故事可视化管道
概率论
2025-12-02 v1 统计理论
统计理论
摘要
当前的故事可视化方法倾向于仅依据文本定位主体，难以维持艺术风格的一致性。为此，我们引入了DreamingComics，一个具有布局感知的故事可视化框架。我们基于预训练的视频扩散变换器( DiT)模型，利用其时空先验来增强身份和风格的一致性。对于布局驱动的位置控制，我们提出了RegionalRoPE，即一种基于区域的位置感知编码方案，根据目标布局重新索引嵌入。此外，我们引入了掩码条件损失，以进一步约束每个主体的视觉特征到其指定的区域。为了从自然语言脚本推断布局，我们集成了一个基于LLM的布局生成器，经过训练可产生漫画风格的布局，实现灵活且可控的布局条件。我们对我们的方法进行了全面的评估，显示在角色一致性和风格相似性方面分别比以前的方法提高了29.2%和36.2%，同时显示出高空间准确性。我们的项目页面位于https://yj7082126.github.io/dreamingcomics/
引用
@article{arxiv.2512.01689,
title = {The Klebanov theorem for the group $\mathbb{R}\times \mathbb{Z}(2)$},
author = {Margaryta Myronyuk},
journal= {arXiv preprint arXiv:2512.01689},
year = {2025}
}