Tag · 3 篇

布局控制

分布图像编辑与可控生成2生成模型与扩散1

PLACID: Identity-Preserving Multi-Object Compositing via Video Diffusion with Synthetic Trajectories

把预训练 I2V 扩散模型的时序先验当作多物体合成的『布局收敛机制』：随机初始化物体位置，让模型在视频帧序列中把它们平滑移动到目标布局，取最后一帧作为合成结果；这套『合成轨迹数据 + 末帧取图』的范式可迁移到任何需要多元素一致排布的可控生成任务。

OntoAug: Rethinking Generative Data Augmentation via Ontology Guidance

把前景掩码与多样化背景提示注入扩散采样过程，实现主体一致、上下文多样的可控合成数据；这套「结构化布局控制 + 提示解耦」思路可直接迁移到任何需要扩充训练集的识别任务，并可作为 WSOL 与 LVLM 推理的增强手段。

MOFA-VTON: More Fashion Possibilities with Fine-Grained Adaptations in Virtual Try-On

用用户手绘曲线草图构造双区域掩码替代 clothing-agnostic mask，并通过交叉注意力分上下半身独立学习布局对应关系，为可控人体图像生成提供了细粒度空间布局引导的可复用思路。