Tag · 3 篇

交叉注意力控制

分布图像编辑与可控生成2生成模型与扩散1

Towards High-resolution and Disentangled Reference-based Sketch Colorization

以 SDXL 为骨干、草图作空间引导、RGB 参考图作颜色参考的参考式草图上色框架，其拆分交叉注意力加空间掩码分别处理前景/背景、以及用 tagger 网络提取属性级控制信号的思路，可直接迁移到其他需要区域解耦与细粒度参考控制的图像生成/编辑任务。

Composing Concepts from Images and Videos via Concept-prompt Binding

提出通过绑定视觉概念与提示词词元，在扩散 Transformer 的交叉注意力中实现单样本概念组合，可复用于个性化生成与视频编辑中的概念解耦控制。

3D-Aware Implicit Motion Control for View-Adaptive Human Video Generation

提出一种隐式、视角无关的运动表示，通过与预训练视频生成器联合训练运动编码器，实现文本驱动的相机控制和新视角合成，为可控人体视频生成提供了不依赖显式3D模型的新思路。