PFB-Diff: Progressive Feature Blending Diffusion for Text-driven Image Editing
Shanghai Jiao Tong University(上海交通大学)
本文提出PFB-Diff方法,通过多层级渐进式特征混合和交叉注意力掩码机制,在无需训练的情况下实现高质量的文本驱动图像编辑,有效解决目标/背景替换和属性编辑任务中的伪影问题。
2025-07-21 cs.AI cs.CV cs.MM
BLENDER: Blended Text Embeddings and Diffusion Residuals for Intra-Class Image Synthesis in Deep Metric Learning
Meta Reality Labs(Meta现实实验室);Technical University of Darmstadt(达姆斯塔特技术大学)
BLENDER通过集合论操作提升深度度量学习中类内图像合成的可控多样性,实现性能提升。
2026-01-28 cs.CV
Plug-and-Play Multi-Concept Adaptive Blending for High-Fidelity Text-to-Image Synthesis
PnP-MIX通过引导外观注意力和掩码引导噪声混合策略,实现高保真文本到图像合成中多概念的无缝整合,无需额外调优。
2025-11-18 cs.AI cs.CV
Financial Models in Generative Art: Black-Scholes-Inspired Concept Blending in Text-to-Image Diffusion
University of Maryland(马里兰大学)
该研究提出一种受Black-Scholes金融模型启发的文本到图像扩散模型概念融合新方法,通过类比两领域变量、利用马尔可夫动力学,实现数据高效、无需额外训练的多提示交叉图像生成,在多场景下优于现有技术。
2025-04-13 cs.CV
TP-Blend: Textual-Prompt Attention Pairing for Precise Object-Style Blending in Diffusion Models
GenPi Inc.(GenPi公司);The University of Texas at Dallas(德克萨斯大学达拉斯分校)
TP-Blend通过双提示注意力配对实现精确物体-风格混合,提升扩散模型的编辑质量和效率。
2026-03-01 cs.AI cs.CV cs.LG
BlenDA: Domain Adaptive Object Detection through diffusion-based blending
Academia Sinica(中央研究院)
本文提出 BlenDA,利用文本到图像扩散模型动态混合源图像与翻译图像以生成中间域伪样本和软标签,显著提升 AQT 在跨域目标检测上的性能。
2024-01-18 cs.CV
SAiD: Speech-driven Blendshape Facial Animation with Diffusion
KRAFTON(魁匠团)
针对语音驱动3D面部动画数据稀缺、唇动单一且编辑繁琐的问题,提出基于Transformer U-Net和扩散模型的SAiD,并构建BlendVOCA数据集,实现更优唇形同步、多样唇动与简化编辑。
2024-01-25 cs.AI cs.CV cs.GR
Adaptive Auxiliary Prompt Blending for Target-Faithful Diffusion Generation
Hanyang University(翰阳大学)
本文提出自适应辅助提示融合框架,通过辅助锚点提示在低密度区域稳定扩散过程,提升目标提示的忠实性与生成质量。
2026-03-19 cs.CV
LatexBlend: Scaling Multi-concept Customized Generation with Latent Textual Blending
Nanjing University of Science and Technology(南京理工大学)
本文提出LaTexBlend框架,通过在潜在文本空间中对单个概念进行紧凑表示并自由混合,实现高效可扩展的多概念定制图像生成,显著提升生成质量和计算效率。
2025-03-10 cs.CV
Blended Diffusion for Text-driven Editing of Natural Images
The Hebrew University of Jerusalem(希伯来大学);Reichman University(赖希曼大学)
自然语言为图像编辑提供了高度直观的界面。在本文中,我们介绍了第一个解决方案,用于执行本地(基于区域)的编辑,在一般的自然图像,随着一个ROI掩模的基础上的自然语言描述。我们通过利用和组合预训练的语言图像模型(CLIP)来实现我们的目标,以将编辑转向用户提供的文本提示,并使用去噪扩散概率模型(DDPM)来生成自然的结果。为了将编辑区域与图像的未改变部分无缝融合,我们在空间上将输入图像的噪声版本与噪声水平进展处的本地文本引导扩散潜伏混合。此外,我们还证明了在扩散过程中添加增强可以减轻对抗性结果。我们比较了几个基线和相关的方法,定性和定量,并表明我们的方法优于这些解决方案的整体现实主义,能力,以保持背景和匹配的文本。最后,我们展示了几个文本驱动的编辑应用程序,包括向图像添加新对象,删除/替换/更改现有对象,背景替换和图像外推。代码可在:https://omriavrahami.com/blended-diffusion-page/
2022-03-28 cs.CV cs.GR cs.LG
BlendFusion -- Scalable Synthetic Data Generation for Diffusion Model Training
Samaya AI, Inc.(Samaya AI公司);Stanford University(斯坦福大学);Independent Researcher(独立研究员)
本文提出BlendFusion框架,通过路径追踪生成高质量图像-描述对,构建FineBLEND数据集,并分析其质量及与现有数据集的对比。
2026-04-10 cs.CV
Blending Concepts: Benchmarking Visual Metaphor Generation in Text-to-Image Models
Tongji University(同济大学);Shanghai Innovation Institute(上海创新研究院)
研究针对文本到图像(T2I)模型视觉隐喻生成能力未被充分研究的问题,推出首个基准VMetaphor-Bench,结合混合框架评估11个代表性T2I模型,发现其在隐喻关键方面存在不足,指明该领域为未来研究前沿。
2026-09-03 cs.AI cs.CV
Zero-Shot Visual Concept Blending Without Text Guidance
Toyota Central R&D Labs., Inc(丰田中央研发实验室)
提出名为Visual Concept Blending的零样本图像生成技术,利用部分解耦的CLIP空间在无文本引导下灵活融合多参考图像的特定视觉特征,为创意领域提供高级控制。
2025-04-01 cs.CV
CausalGeD: Blending Causality and Diffusion for Spatial Gene Expression Generation
University of Kentucky(肯塔基大学)
针对现有scRNA-seq与ST数据整合方法因未考虑基因因果关系导致性能有限的问题,提出融合扩散与自回归过程的CausalGeD模型,通过推广因果注意力Transformer,在10个组织数据集上关键指标优于基线5-32%。
2025-02-11 cs.CV q-bio.GN
SATB-VR: Training Few-Step Video Restoration Diffusion Model using SNR-Aware Trajectory Blending
Alibaba Group(阿里巴巴集团);Harbin Institute of Technology(哈尔滨工业大学);Xi’an Jiaotong University(西安交通大学)
提出SATB-VR少步视频恢复框架,通过辅助预测器跳过低信噪比步骤,并利用SNR感知轨迹混合策略解决训练-推理不一致,实现高效高质量恢复。
2026-06-27 cs.CV
Font Style Interpolation with Diffusion Models
Kyushu University(九州大学)
本文提出三种基于扩散模型的字体风格插值方法,通过混合参考字体生成新风格,并验证其有效性与偶然性生成能力。
2024-02-22 cs.CV
Blended Latent Diffusion under Attention Control for Real-World Video Editing
Swansea University(斯旺西大学)
本文提出基于图像级混合潜在扩散模型的自适应局部视频编辑方法,通过DDIM反演保持背景、交叉注意力图自主生成掩码,并将U-Net自注意力改造为时序-空间模块以增强时间一致性。
2024-09-05 cs.CV
Blended Latent Diffusion
The Hebrew University of Jerusalem(耶路撒冷希伯来大学);Reichman University(莱赫曼大学)
本文提出混合潜在扩散方法,将潜在扩散模型与混合扩散结合,实现快速且高精度的局部文本驱动图像编辑,并解决重建与细掩码问题。
2023-04-30 cs.CV cs.GR cs.LG
BTC3D: Blended Tile Conditioning for Detail-Enhancing Image-to-3D Generation
City University of Hong Kong (Dongguan)(香港城市大学(东莞));SB Intuitions Corp.(SB Intuitions 公司);Universitat Autònoma de Barcelona(巴塞罗那自治大学)
针对图像到三维生成中的细节衰减问题,提出无需训练的推理时框架BTC3D,利用混合瓦片嵌入和动态条件调度增强细节保留,提升纹理质量与视觉保真度。
2026-10-01 cs.CV
A Novel Approach to Industrial Defect Generation through Blended Latent Diffusion Model with Online Adaptation
Jiangxi Normal University(江西师范大学);Zhejiang University(浙江大学);Swansea University(斯旺西大学);Northwestern Polytechnical University(西北工业大学);Zhengzhou University(郑州大学)
本文提出一种定制混合潜在扩散模型并采用三阶段推理策略的缺陷样本生成算法,通过高质量合成样本显著提升了工业异常检测在MVTec AD数据集上的SOTA性能。
2024-03-26 cs.CV cs.MM
Towards Effective User Attribution for Latent Diffusion Models via Watermark-Informed Blending
Shanghai Jiao Tong University(上海交通大学);Nanjing University(南京大学);Michigan State University(密歇根州立大学)
提出TEAWIB框架,通过即用型配置和像素级噪声增强实现潜在扩散模型的高效用户归属,兼顾图像质量与归属准确性。
2024-12-16 cs.CR cs.CV cs.MM
GPT4Motion: Scripting Physical Motions in Text-to-Video Generation via Blender-Oriented GPT Planning
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);University of Chinese Academy of Sciences(中国科学院大学);VIVO AI Lab(VIVO人工智能实验室)
提出无需训练的GPT4Motion框架,结合GPT-4规划与Blender物理引擎生成场景组件,再通过Stable Diffusion合成视频,高效提升了物理运动连贯性与实体一致性。
2024-04-23 cs.CV
MagicFusion: Boosting Text-to-Image Generation Performance by Fusing Diffusion Models
National University of Defense Technology(国防科技大学);JD Explore Academy(京东探索研究院)
针对现有文本引导扩散模型集成研究不足的问题,提出无需训练的显著性感知噪声融合方法SNB,可融合不同模型优势实现更可控的图像生成,在多场景下效果显著。
2023-07-14 cs.AI cs.CV
InVi: Object Insertion In Videos Using Off-the-Shelf Diffusion Models
University of Maryland, College Park(马里兰大学帕克分校);Cruise LLC
本研究提出InVi方法,利用现成文本到图像潜在扩散模型,通过修复匹配两步流程和扩展注意力层,无需视频特定微调,实现视频中对象的可控插入与融合,提升帧间一致性,效果优于现有方法。
2024-07-15 cs.CV
FastBlend: a Powerful Model-Free Toolkit Making Video Stylization Easier
East China Normal University(华东师范大学);Alibaba Group(阿里巴巴集团)
FastBlend是一个无模型工具包,通过补丁匹配的混合与插值模式解决视频风格化中的一致性问题,无需修改扩散模型,实验证明其在去闪烁和视频合成上优于现有方法。
2023-11-15 cs.CV
MaterialFusion: Enhancing Inverse Rendering with Material Diffusion Priors
Carnegie Mellon University(卡内基梅隆大学);Tel Aviv University(特拉维夫大学)
提出MaterialFusion管线,通过融合2D扩散模型先验StableMaterial和分数蒸馏采样优化反照率与材质,显著提升了逆向渲染在新光照条件下的重照明性能。
2025-04-01 cs.CV
WordCraft: Interactive Artistic Typography with Attention Awareness and Noise Blending
Jiangxi University of Finance and Economics(江西财经大学);Tencent Robotics X Lab(腾讯机器人X实验室);Nanyang Technological University(南洋理工大学);Monash University(墨尔本大学);Hong Kong University(香港大学)
本文提出交互式艺术字体系统WordCraft,通过免训练区域注意力机制、噪声混合技术及大语言模型解析提示词,支持局部编辑、迭代细化与多字符组合,显著提升了艺术字体合成的交互性与创作灵活性。
2025-07-13 cs.CV
MeshUp: Multi-Target Mesh Deformation via Blended Score Distillation
University of Chicago(芝加哥大学);University of Montreal(蒙特利尔大学);Adobe Research(奥多比研究院)
提出MeshUp技术,通过混合分数蒸馏(BSD)控制3D网格向多目标概念变形,支持文本/图像定义概念、顶点选区域,实验验证有效性,项目页公开。
2025-02-10 cs.CV cs.GR
First Creating Backgrounds Then Rendering Texts: A New Paradigm for Visual Text Blending
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院);College of Computer Science, Nankai University(南开大学计算机学院)
提出先创建背景再渲染文本的视觉文本融合新范式,开发背景生成器与基于Stable Diffusion的GlyphOnly文本渲染器,实现高保真文本背景整合并提升下游任务效果。
2024-10-14 cs.CV
ConceptExpress: Harnessing Diffusion Models for Single-image Unsupervised Concept Extraction
The University of Hong Kong(香港大学)
针对单图像多概念提取依赖人工标注的问题,提出无监督概念提取(UCE)任务与ConceptExpress框架,借助扩散自注意力定位解耦概念、优化判别性标记,仅用预训练扩散模型即可完成提取,实验验证了其有效性。
2024-07-09 cs.AI cs.CV
Typographic Text Generation with Off-the-Shelf Diffusion Model
Kyushu University(九州大学)
本文提出一种结合 ControlNet 与 Blended Latent Diffusion 的排版文字生成系统,可在指定字体、颜色和效果的同时,在现有背景上自然添加和修改文字。
2024-02-22 cs.CV
InverFill: One-Step Inversion for Enhanced Few-Step Diffusion Inpainting
Qualcomm AI Research(.qualcomm 高级研究院);Posts & Telecommunications Inst. of Tech., Vietnam(越南邮电技术研究所)
本文提出InverFill,通过注入输入遮挡图像的语义信息到初始噪声中,实现高质量少步修复。该方法无需训练修复模型,利用文本到图像模型进行混合采样,提升图像质量和文本一致性。
2026-10-16 cs.AI cs.CV
Expanding the Content-Style Frontier: a Balanced Subspace Blending Approach for Content-Style LoRA Fusion
Beijing University of Technology(北京理工大学)
针对文本到图像扩散模型中风格增强导致内容特征丢失的问题,提出内容-风格子空间混合与平衡损失方法,有效拓宽内容-风格边界,在定性和定量评估中均实现更优的内容-风格权衡。
2025-11-03 cs.CV
Localized Concept Erasure for Text-to-Image Diffusion Models Using Training-Free Gated Low-Rank Adaptation
Department of ECE(电子工程系);IPAI;INMC;Seoul National University(首尔国立大学)
提出局部概念擦除框架及免训练门控低秩适配方法GLoCE,通过轻量模块选择性移除图像中目标概念区域,在保持其余区域保真度的同时提升擦除有效性、特异性和鲁棒性。
2025-07-10 cs.AI cs.CV
Erasing Thousands of Concepts: Towards Scalable and Practical Concept Erasure for Text-to-Image Diffusion Models
Dept. of Electrical and Computer Engineering(电气与计算机工程系);INMC(智能纳米研究中心);IPAI(人工智能研究所);Seoul National University(首尔国立大学)
本文提出ETC框架,通过tMM模型和MoEraser模块实现大规模概念消除,提升生成质量与鲁棒性,验证了在2000多个概念上的优越性能。
2026-04-12 cs.AI cs.CV
ControlDreamer: Blending Geometry and Style in Text-to-3D
Seoul National University(首尔国立大学)
本文提出ControlDreamer,通过整合深度感知的多视图ControlNet至两阶段流水线,实现文本引导的风格化3D模型生成,并提供全面的3D风格编辑基准,在人类评估和CLIP分数指标上优于现有方法。
2024-08-23 cs.CV
DiffFace: Diffusion-based Face Swapping with Facial Guidance
VIVE STUDIOS(VIVE工作室);Korea University(高丽大学)
在本文中,我们首次提出了一个基于扩散的人脸交换框架,称为DiffFace,由训练ID条件DDPM,面部引导采样和目标保持混合组成。具体地,在训练过程中,ID条件DDPM被训练以生成具有期望身份的人脸图像。在采样过程中,我们使用现成的人脸专家模型,使模型传递源身份,同时忠实地保留目标属性。在此过程中,为了保持目标图像的背景,并获得期望的人脸交换结果,我们还提出了一个目标保持的混合策略。它帮助我们的模型在传递源面部身份的同时保持目标面部的属性不受噪声影响。此外,在没有任何重新训练的情况下,我们的模型可以灵活地应用额外的面部指导,并自适应地控制ID属性的权衡,以达到预期的结果。据我们所知,这是第一个将扩散模型应用于人脸交换任务的方法。与以前的基于GAN的方法相比,通过利用人脸交换任务的扩散模型,DiffFace实现了更好的好处,如训练稳定性,高保真度,样本的多样性和可控性。大量的实验表明,我们的DiffFace是可比的或优于国家的最先进的方法在几个标准的人脸交换基准。
2022-12-27 cs.CV
DiffBody: Human Body Restoration by Imagining with Generative Diffusion Prior
Cornell University(康奈尔大学);The Hong Kong Polytechnic University(香港理工大学);Pennsylvania State University(宾夕法尼亚州立大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Snap Inc.(Snap公司)
DiffBody提出一种人体感知扩散模型,结合身体注意力、文本提示和局部语义采样器,解决人体图像恢复中的背景混合、纹理平滑和肢体扭曲问题,并构建了基准数据集,在定量与定性上均优于现有方法。
2024-04-04 cs.CV
Dynamic Full-body Motion Agent with Object Interaction via Blending Pre-trained Modular Controllers
KAIST(韩国科学技术院)
本文提出一种框架,通过结合预训练的运动先验和模仿代理,在规划和执行阶段生成动态且长期的人-物交互动作,如持桌奔跑,提升了动态人-物交互任务的成功率。
2026-05-12 cs.CV
PixelRush: Ultra-Fast, Training-Free High-Resolution Image Generation via One-step Diffusion
Qualcomm AI Research(高通人工智能研究)
PixelRush通过一步扩散实现超快无训练高分辨率图像生成,生成4K图像速度提升10-35倍,保持高质量输出。
2026-02-27 cs.CV
Dynamic Motion Blending for Versatile Motion Editing
Institute for AI, Peking University(人工智能研究院,北京大学);State Key Laboratory of General Artificial Intelligence, BIGAI(通用人工智能国家重点实验室,BIGAI);Yuanpei College, Peking University(元培学院,北京大学)
本文提出MotionCutMix数据增强与MotionReFit自回归扩散模型,实现从文本指令直接进行空间和时间运动编辑,无需额外规格或大语言模型,达到最先进性能。
2025-09-12 cs.CV
OMG: Occlusion-friendly Personalized Multi-concept Generation in Diffusion Models
Shenzhen Campus of Sun Yat-sen University(中山大学深圳校区);Tencent AI Lab(腾讯AI实验室);International Digital Economy Academy(国际数字经济学院);Nanjing University(南京大学);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Shenzhen University(深圳大学);The Hong Kong University of Science and Technology(香港科技大学)
针对多概念个性化中的身份保持与遮挡难题,提出OMG两阶段采样框架,结合噪声混合与视觉理解信息,兼容LoRA等模型,实验验证其优越性能。
2024-07-20 cs.CV
Addressing Text Embedding Leakage in Diffusion-based Image Editing
Graduate School of AI, POSTECH(POSTECH人工智能研究生院);Dept. of CSE, POSTECH(POSTECH计算机科学与工程系)
针对基于扩散模型的文本图像编辑中属性泄漏问题,提出ALE框架,通过ORE解耦文本嵌入、RGB-CAM实现精确注意力及BB保留背景,结合ALE-Bench基准,大幅减少泄漏并实现准确多对象编辑。
2025-08-25 cs.CV
Towards Seamless Borders: A Method for Mitigating Inconsistencies in Image Inpainting and Outpainting
Sensetime Research(商汤科技研究院);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所)
针对基于扩散的图像修复模型存在的边界不连续问题,提出改进变分自编码器校正色彩失衡、两步训练策略增强内容融合两种方法,有效提升了修复结果的连贯性与视觉质量。
2025-06-14 cs.CV
MagicMix: Semantic Mixing with Diffusion Models
ByteDance Inc.(字节跳动公司)
你有没有想象过一个像柯基犬的咖啡机或一只像老虎的兔子会是什么样子?在这项工作中,我们试图通过探索一个名为语义混合的新任务来回答这些问题,旨在混合两种不同的语义来创建一个新的概念(例如,柯基犬+咖啡机-- >柯基犬式咖啡机)。与风格转换不同,在风格转换中,图像根据参考风格进行风格化而不改变图像内容,语义混合以语义方式混合两个不同的概念,以合成新的概念,同时保留空间布局和几何形状。为此,我们提出了MagicMix,这是一种基于预训练文本条件扩散模型的简单而有效的解决方案。受扩散模型的渐进生成特性的启发,其中布局/形状出现在早期去噪步骤中,而语义上有意义的细节出现在去噪过程中的后期步骤中,我们的方法首先获得一个粗略的布局(通过破坏图像或从纯高斯噪声中去除噪声),然后注入条件提示进行语义混合。我们的方法不需要任何空间掩模或重新训练,但能够以高保真度合成新的对象。为了提高混合质量,我们进一步设计了两个简单的策略,以提供对合成内容的更好控制和灵活性。使用我们的方法,我们提出了我们的结果在不同的下游应用,包括语义风格转移,新颖的对象合成,品种混合,概念删除,展示了我们的方法的灵活性。更多结果可以在项目页面https://magicmix.github.io上找到
2022-10-28 cs.CV
Supercharged One-step Text-to-Image Diffusion Models with Negative Prompts
Qualcomm AI Research(高通人工智能研究)
针对单步扩散模型无法有效利用负面提示的问题,提出NASA方法,通过交叉注意力在中间表示空间抑制不期望属性,仅增1.89%FLOPs,HPSv2达31.21,提升可控性与质量。
2025-09-24 cs.CV
3DDesigner: Towards Photorealistic 3D Object Generation and Editing with Text-guided Diffusion Models
Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学);JD Explore Academy(京东探索研究院)
本文提出3DDesigner,利用文本引导扩散模型实现3D一致生成、单视角驱动的360度局部编辑及单图新视角合成,并通过实验验证其有效性。
2023-10-12 cs.CV
Token-to-Token Alignment of Text Embeddings for Semantic Blending
Tel Aviv University(特拉维夫大学);BRIA AI
提出Token-to-Token对齐框架,通过结构对齐和嵌入对齐建立提示词间语义对应,使线性插值实现平滑语义过渡,用于图像融合和连续编辑。
2026-10-28 cs.CV cs.GR
Editing Massive Concepts in Text-to-Image Diffusion Models
The University of Hong Kong(香港大学);Tsinghua University(清华大学);Peking University(北京大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
提出两阶段方法EMCID,通过双重自蒸馏记忆优化和多层闭式模型编辑实现大规模概念编辑,并构建综合基准ICEB,支持编辑多达1,000个概念,为T2I扩散模型的快速调整与部署提供实用方案。
2024-03-20 cs.AI cs.CV cs.LG
Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models
Boston University(波士顿大学)
本文利用扩散模型的组合特性,通过结合未受抑制的其他概念来重建目标概念向量,从而规避安全机制,揭示了概念算术对扩散模型安全性的潜在威胁。
2024-04-21 cs.AI cs.CV cs.LG
ConceptPrune: Concept Editing in Diffusion Models via Skilled Neuron Pruning
University of Edinburgh(爱丁堡大学);Samsung AI Research Centre, Cambridge(三星剑桥人工智能研究中心)
本文提出免训练方法ConceptPrune,通过识别并剪枝扩散模型中负责生成不良概念的关键神经元区域实现概念遗忘,仅需剪枝约0.12%权重即可高效擦除多概念并抵御对抗性攻击。
2024-05-29 cs.AI cs.CV cs.LG
Sparse Autoencoder as a Zero-Shot Classifier for Concept Erasing in Text-to-Image Diffusion Models
Zhejiang University(浙江大学);National University of Singapore(新加坡国立大学);Peking University(北京大学)
提出ItD框架,利用稀疏自编码器作为零样本分类器,通过停用目标概念相关特征实现精确概念擦除,同时保持正常生成性能,并支持多概念擦除和对抗性鲁棒性。
2025-07-09 cs.AI cs.CR cs.CV
Image Harmonization with Diffusion Model
University at Buffalo(布法罗大学);Snap Inc.(Snap公司);IBM Research(IBM研究院)
本文提出利用扩散模型进行图像协调,比较分类器引导与分类器无关引导两种条件模型,以调整前景光照和颜色,实现与背景无缝融合的视觉效果,并为未来研究奠定基础。
2023-06-17 cs.CV
Isolated Diffusion: Optimizing Multi-Concept Text-to-Image Generation Training-Freely with Isolated Diffusion Guidance
针对文本到图像扩散模型多概念生成中的概念渗漏问题,提出免训练的Isolated Diffusion方法,通过拆分提示、隔离重合成各主体优化文图一致性,兼容SD系列模型且效果优于现有方法。
2025-01-17 cs.CV