交错图文输入

ConsistCompose：面向图像合成的统一多模态布局控制

ConsistCompose: Unified Multimodal Layout Control for Image Composition

把布局坐标直接嵌入语言提示、并用坐标感知的无分类器引导实现空间控制，为视觉研究者提供了一种无需任务专用分支即可复用到底层生成模型上的布局可控多实例生成方案，同时配套的 3.4M 布局与身份标注数据集可用于训练与评测布局条件生成。