- 博客(3)
- 收藏
- 关注
RSS订阅原创 Personalized Residuals for Concept-Driven Text-to-Image Generation(概念驱动的文本到图像生成的个性化残差)
我们提出了一种**个性化残差（personalized residuals）与局部化注意力引导采样（localized attention-guided sampling）的方法，用于高效地实现基于概念驱动的文本到图像扩散生成。我们的方法首先通过冻结预训练文本条件扩散模型的权重，并仅对模型的一小部分分层学习低秩残差（low-rank residuals），来表示新的概念。这种基于残差的方法进一步能够直接支持我们提出的采样策略：该策略仅在通过。
2025-09-02 10:03:54
582
原创 【Attention Calibration for Disentangled Text-to-Image Personalization(解耦的文本到图像个性化的注意力校准)】
尽管个性化技术能够在仅提供少量参考图像的情况下，实现对新颖概念的定制化生成。然而，一个耐人寻味的问题仍然存在：**是否有可能从单张参考图像中捕获多个新颖概念？**在本文中，我们指出现有方法在保持与参考图像的视觉一致性以及消除概念间相互干扰方面均存在不足。为缓解这一问题，我们提出了一种注意力校准机制，以提升 T2I 模型在概念层面的理解能力。具体而言，我们首先引入了与类别绑定的新型可学习修饰符，用于捕获多个概念的属性。
2025-08-25 22:02:15
847
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人