Tag · 4 篇
多条件控制
PAM：面向仿真到现实手物交互视频生成的姿态-外观-运动引擎
PAM: A Pose-Appearance-Motion Engine for Sim-to-Real HOI Video Generation
把手物交互的位姿、外观、运动统一进一个可控视频生成引擎，并用生成视频作为合成数据反哺下游手部姿态估计，为视觉研究者提供了「生成即数据增强」的闭环范式，以及深度/分割/关键点多条件输入的具体消融结论。
InnoAds-Composer：面向电商海报生成的高效条件组合
InnoAds-Composer: Efficient Condition Composition for E-Commerce Poster Generation
把主体、字形、风格三类条件以词元形式注入单阶段扩散模型，并按层与时间步的重要性只路由到最敏感位置，这一「条件词元稀疏路由」思路可直接迁移到任何多条件可控生成任务（如多参考图定制化、布局+文本+风格联合控制），避免条件拼接带来的二次开销。
无需多模态注意力的门控条件注入：面向可控线性注意力 Transformer
Gated Condition Injection without Multimodal Attention: Towards Controllable Linear-Attention Transformers
用统一门控条件模块替代多模态注意力，在 SANA 等线性注意力骨干上注入空间对齐与非对齐条件，为端侧可控扩散生成提供可复用的条件注入范式。
DynFusion：重新思考自适应多条件文本到图像生成中的条件融合
DynFusion: Rethinking Condition Fusion for Adaptive Multi-Conditional Text-to-Image Generation
提出一种数据驱动的自适应条件融合机制，根据扩散时间步、任务特性和特征注入位置动态选择并融合多个异构条件（如深度、边缘、参考图），可解决多条件控制中的冲突与计算冗余问题，为可控生成提供可复用的融合模块。