跳到正文
arXiv · 机器人与计算机视觉· Yiyan Xu, Qiulin Wang, Wenjie Wang, Yunyao Mao, Xintao Wang, Pengfei Wan, Kun Gai, Fuli Feng·· 5 小时前AI 评分62

UniCustom:面向多参考图像生成的统一视觉条件框架

UniCustom: Unified Visual Conditioning for Multi-Reference Image Generation

AI 导读

针对现有 VLM 增强扩散模型在多参考图像生成中难以同时保持主体身份与细节的问题,本文提出了 UniCustom 框架。该方法在 VLM 编码前融合 ViT 语义特征与 VAE 外观特征,利用轻量级线性层使隐藏状态联合编码指代对象及其视觉细节。通过重建导向预训练和单/多参考生成监督微调,并引入槽位绑定正则化以减少跨参考纠缠,实验表明该方法在主体一致性、指令遵循和组合保真度上均优于强基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org