Tag · 6 篇
扩散模型条件控制
UniLight：一种统一的光照表示
UniLight: A Unified Representation for Lighting
把光照（环境图、辐照度、文本、图像）统一到一个共享潜空间，可直接作为扩散图像合成的条件信号，实现跨模态光照检索与可控重打光；其对比对齐加球谐预测的辅助任务思路也可迁移到其他物理属性（材质、相机参数）的跨模态表示学习。
面向姿态不变身份保持扩散的语义对齐
Semantic Alignment for Pose-Invariant Identity Preserving Diffusion
免训练的身份保持生成框架，通过语义匹配注入参考外观并用 guidance delta 调和文本-外观冲突，可直接用于姿态变化下的人物/动物个性化生成，避免对主体进行『再想象』。
Premier：文本到图像生成中基于可学习用户嵌入的个性化偏好调制
Premier: Personalized Preference Modulation with Learnable User Embedding in Text-to-Image Generation
把用户偏好编码为可学习嵌入，并通过适配器与文本提示融合后调制扩散生成过程，为个性化文生图提供了一种无需 MLLM 推断提示的轻量条件控制路径；分散损失强制不同用户嵌入分离的思路也可迁移到多概念定制化生成。
EmoStyle：情感驱动的图像风格化
EmoStyle: Emotion-Driven Image Stylization
把「情感」作为风格迁移的条件信号，并用向量量化把连续风格特征离散成情感相关码本条目，这个 emotion-aware style dictionary 可直接作为其他生成任务（如 T2I、编辑）的可插拔风格条件模块复用。
音频同步视频实例编辑与粒度感知掩码精修器
Audio-sync Video Instance Editing with Granularity-Aware Mask Refiner
把用户给出的粗掩码迭代精修为实例级精确区域，并引入音频代理提供细粒度时序控制，为视频编辑中的空间-时间可控性提供了可复用的掩码精修与音频条件注入思路。
一个风格只值一个编码：用离散风格空间解锁编码到风格的图像生成
A Style is Worth One Code: Unlocking Code-to-Style Image Generation with Discrete Style Space
把风格压缩成离散码本中的嵌入，再用自回归模型建模其分布，从而用单个数字码控制 T2I 扩散模型生成风格——这套「离散风格码本 + 自回归采样」的范式可直接迁移到个性化生成、风格 LoRA 替代方案等需要可复现、可枚举风格控制的任务。