Tag · 3 篇
区域可控生成
01 02 03
SketchDeco：面向精确草图上色的免训练潜空间组合方法
SketchDeco: Training-Free Latent Composition for Precise Sketch Colourisation
把扩散反演当作精确的局部「上色」工具，再用自定义自注意力把局部编辑与全局底图融合，这套免训练的潜空间组合流程可直接迁移到 inpainting、局部风格编辑等需要区域一致性的可控生成任务。
RegionRoute：基于扩散模型的区域风格迁移
RegionRoute: Regional Style Transfer with Diffusion Model
通过将风格 token 的注意力分数与物体掩码对齐，实现无需推理时掩码的局部风格迁移；其注意力监督思路（KL 聚焦损失 + BCE 覆盖损失）可迁移到任何需要空间约束的扩散编辑任务，如局部重绘、属性编辑与个性化生成。
基于扩散模型的面部区域感知妆容特征妆容迁移
Diffusion-Based Makeup Transfer with Facial Region-Aware Makeup Features
用可学习 token 查询微调后的 CLIP 编码器，提取眼、嘴等面部区域级妆容特征，并以注意力损失实现区域可控注入，为扩散编辑中的局部属性控制提供了可复用范式；同时用 GPT-o3 加文本驱动编辑模型合成带标注风格数据来微调领域编码器，可迁移到其他细粒度风格迁移任务。