PureCC: Pure Learning for Text-to-Image Concept Customization
Tsinghua University(清华大学);School of Computer Science & Software Engineering, Shenzhen University(深圳大学计算机科学与软件工程学院);Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University(深圳大学智能信息处理广东省重点实验室);Kling Team, Kuaishou Technology(快手科技Kling团队);University of Exeter(埃克塞特大学);S-Lab, Nanyang Technological University(南洋理工大学S实验室)
本文提出PureCC,一种用于文本到图像概念定制的纯学习方法,通过分离学习目标来平衡概念定制的保真度与模型保留。
2026-05-19 cs.CV
RealCustom: Narrowing Real Text Word for Real-Time Open-Domain Text-to-Image Customization
University of Science and Technology of China(中国科学技术大学);ByteDance Inc.(字节跳动公司)
针对文本到图像定制中对象相似性与文本可控性难以兼得的问题,RealCustom 通过收窄真实文本词并解耦训练与推理,实现开放域实时高质量定制。
2024-03-01 cs.CV
AlignIT: Enhancing Prompt Alignment in Customization of Text-to-Image Models
Adobe Research(奥多比研究院)
针对文本到图像模型定制中生成结果与提示不对齐的问题,本文提出后处理算法AlignIT,通过仅注入目标概念的键和值并保持其他标记不变,可直接嵌入现有定制方法,在保持定制质量的同时显著提升提示对齐性能。
2024-06-28 cs.CV
Inv-Adapter: ID Customization Generation via Image Inversion and Lightweight Adapter
Nanjing University of Science and Technology(南京理工大学);Huawei Technologies Ltd.(华为技术有限公司)
本文提出轻量级 Inv-Adapter,利用预训练文本到图像模型通过 DDIM 图像反演提取身份特征,并设计轻量级注意力适配器高效嵌入,在身份定制生成中同时实现高保真度、高效率与较小模型规模。
2024-06-06 cs.CV
SimAC: A Simple Anti-Customization Method for Protecting Face Privacy against Text-to-Image Synthesis of Diffusion Models
University of Science and Technology of China(中国科学技术大学);Alibaba Cloud(阿里云)
针对扩散模型定制化技术引发的隐私问题,提出SimAC方法,通过分析时间步选择与频域感知关系及去噪过程不同层特征,设计自适应贪婪搜索和特征优化框架,有效提升身份干扰,保护用户隐私。
2026-06-23 cs.CV
Text2QR: Harmonizing Aesthetic Customization and Scanning Robustness for Text-Guided QR Code Generation
Shanghai Jiao Tong University(上海交通大学)
Text2QR利用稳定扩散模型,通过二维码美学蓝图模块和潜在空间细化过程,在保持扫描鲁棒性的同时实现用户自定义的美观二维码生成,显著优于现有方法。
2024-03-13 cs.CV
Calligrapher: Freestyle Text Image Customization
Hong Kong University of Science and Technology(香港理工大学);InstantX
本文提出 Calligrapher,一个基于扩散模型的文本图像定制框架,通过自蒸馏机制构建风格字体基准,并利用可训练风格编码器与上下文生成机制实现局部风格注入,精准再现复杂风格细节与字形定位,助力数字艺术与品牌设计。
2025-06-30 cs.CV
CoMo: Compositional Motion Customization for Text-to-Video Generation
Zhejiang University(浙江大学);HKUST(香港科技大学);Xmax.AI Ltd(Xmax人工智能有限公司);HIT (SZ)(哈尔滨工业大学(深圳))
CoMo提出两阶段框架,通过解耦运动与外观并采用分而治之合并策略,实现文本到视频生成中的多主体组合运动定制,达到最先进性能。
2025-10-27 cs.CV
VideoMage: Multi-Subject and Motion Customization of Text-to-Video Diffusion Models
National Taiwan University(台湾大学);NVIDIA(英伟达)
VideoMage提出统一框架,通过主体与运动LoRA及外观无关运动学习,实现多主体交互运动的视频定制,实验证明其生成连贯可控视频优于现有方法。
2025-03-27 cs.CV
SPF-Portrait: Towards Pure Text-to-Portrait Customization with Semantic Pollution-Free Fine-Tuning
Shenzhen University(深圳大学);Tsinghua University(清华大学);Kuaishou Technology(快手科技)
SPF-Portrait通过双路径对比学习和语义感知控制图,在微调文本到图像模型时最小化对原始模型行为的干扰,实现纯文本到肖像定制,达到最先进性能。
2025-05-27 cs.CV
User-Friendly Customized Generation with Multi-Modal Prompts
Shanghai Jiao Tong University(上海交通大学);AntGroup(蚂蚁集团);Cornell University(康奈尔大学)
本文提出一种基于多模态提示的定制生成方法,仅需单张图像和文本即可实现复杂对象的用户友好定制,优于现有微调方法。
2024-05-26 cs.CV
Direct Consistency Optimization for Robust Customization of Text-to-Image Diffusion Models
KAIST(韩国科学技术院);Google Research(谷歌研究院);Meta Reality Labs(元宇宙现实实验室)
针对文本到图像扩散模型微调后鲁棒性差、难以跨模型概念组合的问题,提出直接一致性优化微调目标,通过控制与预训练模型的偏差保留预训练知识,在一致性与对齐度的帕累托前沿上优于基线,且支持模型无干扰合并。
2024-12-12 cs.CV
AttenCraft: Attention-guided Disentanglement of Multiple Concepts for Text-to-Image Customization
Department of Computer Science, Durham University(计算机科学系,达勒姆大学)
AttenCraft提出基于注意力图生成掩码和自适应采样比例的方法,解决多概念解耦中的特征融合与异步学习问题,实现高图像保真度。
2025-10-16 cs.CV
RealCustom++: Representing Images as Real Textual Word for Real-Time Customization
University of Science and Technology of China(中国科学技术大学);ByteDance Inc(字节跳动公司)
针对文本到图像定制中伪词导致的语义冲突和纠缠问题,提出真实词范式RealCustom++,通过训练-推理解耦和双分支架构同时优化可控性与相似性,显著提升生成质量,并已应用于字节跳动即梦。
2025-10-26 cs.CV
EditIDv2: Editable ID Customization with Data-Lubricated ID Feature Integration for Text-to-Image Generation
iFlyTek(科大讯飞)
EditIDv2通过数据润滑、PerceiverAttention分解、身份损失及离线融合策略,实现长文本复杂叙事下保持身份一致性的免调优可编辑身份定制,在IBench上表现优异。
2025-09-06 cs.CV
Redirecting the Flow: Image Customization through Attention Distribution Shift
State Key Laboratory for Novel Software Technology, Nanjing University(南京大学计算机软件新技术国家重点实验室);School of Artificial Intelligence, Nanjing University(南京大学人工智能学院);School of Computer Science, Nanjing University(南京大学计算机科学与技术学院);School of Electronic Science and Engineering, Nanjing University(南京大学电子科学与工程学院)
提出基于最大熵理论的Conditional Attention Distribution Shift方法,通过双分支架构CustomShift实现高效主题驱动图像生成,在DreamBooth和Custom101基准上优于现有方法。
2026-06-16 cs.CV
Zero-Shot Personalization of Objects via Textual Inversion
Johns Hopkins University(约翰霍普金斯大学);Samsung AI Center Toronto(三星AI中心多伦多)
本文提出一种新框架,通过学习网络预测对象特定的文本逆向嵌入,实现快速零样本对象个性化,适用于多种任务和场景。
2026-03-24 cs.CV
MotionDirector: Motion Customization of Text-to-Video Diffusion Models
Show Lab(Show实验室);National University of Singapore(新加坡国立大学);Zhejiang University(浙江大学)
针对文本到视频扩散模型的运动定制任务,提出MotionDirector,采用双路径LoRAs架构解耦外观与运动学习,并设计外观去偏时间损失,实现运动定制到多样外观的泛化。
2023-10-12 cs.CV
Multi-party Collaborative Attention Control for Image Customization
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学);Department of Radiology, The First Affiliated Hospital of Army Medical University(中国人民解放军军医大学第一附属医院放射科)
本文提出无需调优的多方协作注意力控制方法 MCA-Ctrl,结合文本与复杂视觉条件,通过自注意力协调并行扩散过程并引入主体定位模块,在零样本图像定制化中优于现有方法。
2025-04-02 cs.CV
Generating Multi-Image Synthetic Data for Text-to-Image Customization
Carnegie Mellon University(卡内基梅隆大学);Meta
针对文本到图像定制中测试时优化成本高或单图像监督限制质量的问题,提出利用文本到图像模型和3D数据集构建多图像合成数据集SynCD,训练基于编码器的模型通过共享注意力机制融合参考图像细节,并提出归一化引导向量的推理技术缓解过曝,在标准基准上优于现有方法。
2025-10-13 cs.CV cs.GR cs.LG
CustomNet: Zero-shot Object Customization with Variable-Viewpoints in Text-to-Image Diffusion Models
ARC Lab, Tencent PCG(腾讯平台与内容事业群ARC实验室);The University of Tokyo(东京大学);Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院)
本文提出 CustomNet,通过融合 3D 新视角合成与位置、背景控制及数据集构建流程,实现无需测试时优化的零样本对象定制,改善身份保持并生成多样和谐图像。
2023-12-07 cs.AI cs.CV
CustAny: Customizing Anything from A Single Example
Fudan University(复旦大学);Tencent Youtu Lab(腾讯优图实验室)
本文提出CustAny零样本框架和MC-IDC大规模数据集,通过通用ID提取、双层级ID注入和ID感知解耦,实现从单一示例对任意对象进行身份保持的灵活定制。
2024-11-22 cs.CV
Style Customization of Text-to-Vector Generation with Image Diffusion Priors
City University of Hong Kong(香港城市大学);Adobe Research(Adobe研究)
针对文本到矢量生成难以兼顾风格定制与SVG结构规整性的问题,提出两阶段流程,结合路径级T2V扩散模型与定制化T2I先验蒸馏,实现高质量、多样化且风格一致的前馈SVG生成。
2025-05-15 cs.CV cs.GR
Learning to Customize Text-to-Image Diffusion In Diverse Context
Purdue University(普渡大学)
本文提出一种仅通过构建丰富上下文文本提示并结合自监督学习目标的方法,在文本空间内增强个人概念上下文,无需架构修改即可显著提升文本到图像定制的语义对齐与提示保真度。
2024-10-14 cs.CV
EditID: Training-Free Editable ID Customization for Text-to-Image Generation
iFlyTek(科大讯飞)
本文提出免训练的 EditID,基于 DiT 将定制 ID 生成解耦为图像与人物特征分支,通过映射、位移及整合强度控制兼顾 ID 一致性与可编辑性。
2025-03-16 cs.CV
RealisID: Scale-Robust and Fine-Controllable Identity Customization via Local and Global Complementation
DAMO Academy, Alibaba Group(达摩院,阿里巴巴集团)
提出RealisID方法,通过局部和全局分支协作实现尺度鲁棒且精细可控的身份定制,解决小人脸保真度、人脸属性控制及多人定制等问题。
2024-12-22 cs.CV
Bring Your Dreams to Life: Continual Text-to-Video Customization
本文提出CCVD模型,通过解决持续学习中的遗忘和概念忽视问题,实现文本到视频的持续定制生成。
2025-12-10 cs.CV
Proteus-ID: ID-Consistent and Motion-Coherent Video Customization
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Nanjing University(南京大学);Voyager Research, Didi Chuxing(Voyager Research与滴滴出行)
Proteus-ID通过多模态身份融合、时间感知身份注入和自适应运动学习,实现了身份一致且运动协调的视频定制,提升了视频生成的真实性和流畅度。
2026-02-03 cs.CV
SketchAnimator: Animate Sketch via Motion Customization of Text-to-Video Diffusion Models
PRIS, School of Artificial Intelligence, Beijing University of Posts(PRIS人工智能学院,北京邮电大学);SketchX, CVSSP, University of Surrey(SketchX,计算机视觉与模式识别研究所,萨里大学)
提出SketchAnimator模型,通过LoRA和SDS技术将参考视频运动定制到静态草图中,实现单样本运动定制下的高质量草图动画生成。
2025-08-10 cs.CV
StoryWeaver: A Unified World Model for Knowledge-Enhanced Story Character Customization
Xiamen University(厦门大学);Netease Inc.(网易公司)
针对故事可视化中角色身份保持与文本语义对齐失衡的问题,提出基于角色图知识增强的StoryWeaver模型,通过C-CG和KE-SG实现一致且语义丰富的故事生成,在TBC-Bench上显著提升性能。
2025-02-25 cs.CV
How to Continually Adapt Text-to-Image Diffusion Models for Flexible Customization?
Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);The Hong Kong Polytechnic University(香港理工大学);Fudan University(复旦大学);Australian National University(澳大利亚国立大学);Linköping University(林雪平大学);Shenyang Institute of Automation, Chinese Academy of Sciences(中国科学院沈阳自动化研究所)
针对定制扩散模型持续学习新概念时的遗忘与忽视问题,提出 CIDM,通过概念巩固、弹性权重聚合和上下文可控合成实现灵活的概念增量定制。
2024-10-23 cs.CV
Towards Lifelong Few-Shot Customization of Text-to-Image Diffusion
Nanyang Technological University(南洋理工大学)
针对文本到图像扩散的终身少样本定制中相关概念遗忘与先前概念遗忘问题,提出无数据知识蒸馏策略与上下文生成范式,实现高质量生成并保留旧知识。
2024-11-08 cs.CV cs.LG
Taming Encoder for Zero Fine-tuning Image Customization with Text-to-Image Diffusion Models
Google Research(谷歌研究院)
提出一种基于编码器的零微调图像定制框架,通过单次前向传递生成对象嵌入并结合正则化联合训练与描述生成方案,在无需测试时优化的前提下实现高质量、高保真且支持编辑的文本到图像生成。
2023-04-05 cs.CV
PuLID: Pure and Lightning ID Customization via Contrastive Alignment
ByteDance Inc.(字节跳动公司)
本研究提出免调优文生图身份定制方法PuLID,通过结合Lightning T2I分支与标准扩散分支、引入对比对齐损失和精准身份损失,在保证高身份保真度的同时降低对原模型的干扰,在身份保真度和可编辑性上表现优异,且能保持图像元素一致性。
2024-10-31 cs.CV
Visual Persona: Foundation Model for Full-Body Human Customization
KAIST AI(韩国科学技术院人工智能学院);Adobe Research(奥多比研究院);Adobe(奥多比公司)
本研究提出全身人物定制基础模型Visual Persona,构建含58万张图像的数据集,设计适配扩散模型的Transformer架构,仅需单张野外人物图像即可生成高质量定制全身图像,性能优于现有方法。
2025-03-24 cs.CV
MotionMatcher: Motion Customization of Text-to-Video Diffusion Models via Motion Feature Matching
National Taiwan University(台湾大学);NVIDIA(英伟达)
本文提出 MotionMatcher 框架,通过匹配预训练 T2V 模型提取的高级时空运动特征实现视频运动定制,避免像素重建导致的内容泄漏并取得最优性能。
2025-02-18 cs.AI cs.CV cs.LG
PersonaMagic: Stage-Regulated High-Fidelity Face Customization with Tandem Equilibrium
Ocean University of China(中国海洋大学);Shanghai Jiao Tong University(上海交通大学);Singapore Management University(新加坡管理大学);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));South China University of Technology(华南理工大学)
提出PersonaMagic阶段调节生成技术,通过MLP学习嵌入和Tandem Equilibrium机制平衡文本描述与身份保持,实现高保真人脸定制,在多领域验证中优于现有方法并可作为插件增强预训练模型。
2024-12-20 cs.CV
Text-Guided Vector Graphics Customization
City University of Hong Kong(香港城市大学);Adobe Research(Adobe研究院)
本文提出一种基于文本提示和示例SVG的矢量图形定制流程,通过微调预训练文本到图像模型的交叉注意力层、语义路径对齐及图像级与矢量级联合优化,实现保留分层信息的高质量多样化定制。
2023-09-21 cs.CV cs.GR
VMC: Video Motion Customization using Temporal Attention Adaption for Text-to-Video Diffusion Models
Kim Jaechul Graduate School of AI(金宰澈人工智能研究生院);Bio and Brain Engineering(生物与脑工程系);Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院(KAIST))
本文提出VMC框架,通过一次性调优时间注意力层并利用帧间残差向量作为运动参考,在保留低频运动轨迹的同时抑制高频噪声,实现精确运动复现与多样化视觉变化的视频运动定制。
2023-12-01 cs.AI cs.CV cs.LG
Custom Forcing: Training-Free Subject Customization for Autoregressive Video Generation
Kyung Hee University(庆熙大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对自回归视频生成中主体定制问题,提出无训练的自定义强制方法,通过持久KV缓存锚定帧并采用漂移自适应值放大和锚定对比引导,在保持身份和速度上优于现有方法。
2026-10-06 cs.CV
Diffusion in Diffusion: Cyclic One-Way Diffusion for Text-Vision-Conditioned Generation
School of Computer Science, Wuhan University(武汉大学计算机学院);Department of Computer Science, Princeton University(普林斯顿大学计算机系)
本文提出循环单向扩散(COW)方法,在冻结扩散模型中控制扩散方向,无需学习即可保留条件像素信息,实现灵活的文本-视觉条件定制生成。
2024-03-16 cs.CV
Make the Most of Everything: Further Considerations on Disrupting Diffusion-based Customization
School of Cyber Science and Engineering, Wuhan University(武汉大学网络安全学院)
针对扩散模型图像定制带来的隐私与操纵风险,本文提出两阶段对抗攻击 DADiff,联合提示级与图像级干扰并优化注意力和时间步梯度,显著提升多种现实场景下的反定制效果。
2025-03-18 cs.CV
PersonalVideo: High ID-Fidelity Video Customization without Dynamic and Semantic Degradation
Zhejiang University(浙江大学);Nanyang Technological University(南洋理工大学);Alibaba Group(阿里巴巴集团)
针对视频身份定制中的动态与语义退化问题,PersonalVideo通过身份与语义一致性混合奖励及提示增强,实现单参考图像下的高ID保真视频生成。
2025-03-16 cs.CV
AnyMS: Bottom-up Attention Decoupling for Layout-guided and Training-free Multi-subject Customization
Zhejiang University(浙江大学);HKUST(香港科技大学);Zhejiang Tobacco Monopoly Administration(浙江烟草专卖局)
AnyMS通过从下到上的双层注意力解耦机制,实现无训练的布局引导多主体定制,有效解决文本对齐、主体身份保持和布局控制的平衡问题。
2026-01-02 cs.AI cs.CV
FontAdapter: Instant Font Adaptation in Visual Text Generation
KAIST(韩国科学技术院);General Robotics(通用机器人);Seoul National University(首尔国立大学)
FontAdapter 提出两阶段课程学习框架,以参考字形图像为条件,在数秒内实现未见字体的视觉文本生成与定制,无需推理时微调,并支持文本编辑、风格混合和跨语言迁移。
2025-06-06 cs.CV
Customizing Text-to-Image Diffusion with Object Viewpoint Control
Carnegie Mellon University(卡内基梅隆大学);Adobe Research(奥多比研究院)
针对文本到图像扩散定制中缺乏精确对象视角控制的问题,本文提出以目标视角渲染的3D对象特征条件化扩散过程,并微调3D特征预测模块,从而在保持对象身份的同时遵循视角与文本提示。
2024-12-02 cs.CV
Orthogonal Adaptation for Modular Customization of Diffusion Models
Stanford University(斯坦福大学);Snap Research(Snap公司研究院)
针对多个独立定制扩散模型难以高效合并的问题,提出 Orthogonal Adaptation,通过约束残差权重正交实现无额外开销的多概念联合生成,并在身份保持与效率上优于基线。
2024-12-04 cs.CV
DreamMakeup: Face Makeup Customization using Latent Diffusion Models
KAIST(韩国科学技术院);Amorepacific(阿摩尔太平洋)
本文提出 DreamMakeup,一种无需训练的基于潜在扩散模型的面部妆容定制方法,利用提前停止的 DDIM 反演保持身份,支持参考图像、RGB颜色和文本描述等多条件输入,在定制能力和身份保持上显著优于现有 GAN 与扩散框架。
2025-10-13 cs.AI cs.CV cs.LG
Custom-Edit: Text-Guided Image Editing with Customized Diffusion Models
Seoul National University(首尔国立大学);NAVER AI Lab(NAVER人工智能实验室)
本文提出Custom-Edit方法,通过少量参考图像定制扩散模型并结合增强提示进行文本引导编辑,在保持源图像相似性的同时显著提升参考相似性。
2023-05-25 cs.CV
Continual Diffusion: Continual Customization of Text-to-Image Diffusion with C-LoRA
Samsung Research America(三星美国研究院);Georgia Institute of Technology(佐治亚理工学院)
针对文本到图像扩散模型在顺序添加新概念时出现灾难性遗忘的问题,本文提出C-LoRA方法,通过在Stable Diffusion交叉注意力层中引入持续自正则化低秩适应,以极少参数开销实现无数据回放的持续定制,并在图像分类无回放持续学习中取得新最优性能。
2024-05-02 cs.AI cs.CV cs.LG
MotionCrafter: One-Shot Motion Customization of Diffusion Models
MAIS, Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所多模态人工智能系统全国重点实验室);School of AI, UCAS(中国科学院大学人工智能学院);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);Kuaishou Technology(快手科技)
针对扩散模型中外观与动作耦合导致过拟合的问题,提出MotionCrafter,通过并行时空架构与双分支动作解耦方法,实现一次性实例引导的动作定制,有效整合动态动作并保持外观生成的多样性与质量。
2024-01-02 cs.CV
DreamRelation: Bridging Customization and Relation Generation
PKU(北京大学);NTU(南洋理工大学);Insta360 Research(影石创新研究院);Shanghai AI Laboratory(上海人工智能实验室);NUS(新加坡国立大学)
本文提出 DreamRelation 框架,通过解耦身份与关系学习,结合关键点匹配损失与局部特征融合,解决了定制化图像生成中对象间关系生成与身份保留的难题。
2025-04-05 cs.CV
LoRACLR: Contrastive Adaptation for Customization of Diffusion Models
ETH Zürich(苏黎世联邦理工学院);TU Munich(慕尼黑技术大学);Google(谷歌);Virginia Tech(弗吉尼亚理工大学)
针对多个个性化 LoRA 模型组合时的属性纠缠与重复训练问题,本文提出 LoRACLR,通过对比目标对齐并融合权重空间,实现无需额外微调的高质量多概念图像生成。
2025-09-29 cs.CV
Beyond Labels: Zero-Shot Diabetic Foot Ulcer Wound Segmentation with Self-attention Diffusion Models and the Potential for Text-Guided Customization
Florida International University(佛罗里达国际大学);White Memorial Medical Group(怀特纪念医疗集团);Clemente Clinical Research(克莱门特临床研究中心)
提出ADZUS,一种基于自注意力扩散模型的零样本文本引导分割系统,无需标注即可分割糖尿病足溃疡伤口,在慢性伤口数据集上IoU达86.68%,中位DSC达75%,显著优于监督方法,并支持文本定制分析。
2025-04-24 cs.CV eess.IV