Tag · 3 篇
零样本生成
分布 生成模型与扩散2图像编辑与可控生成1
01 02 03
StoryTailor：面向动作丰富多主体视觉叙事的零样本流水线
StoryTailor:A Zero-Shot Pipeline for Action-Rich Multi-Subject Visual Narratives
GCA 用高斯加权注意力缓解多主体 grounding box 重叠，AB-SVR 在文本嵌入空间放大动作方向，SFC 缓存可迁移背景线索——三者都是可插拔的零样本模块，可直接迁移到多主体视频生成或长序列故事板生成中提升主体一致性与动作忠实度。
扩展零样本参考图到视频生成
Scaling Zero-Shot Reference-to-Video Generation
用掩码训练加定制注意力在纯视频-文本对上习得参考感知表征，绕开昂贵的参考图-视频-文本三元组标注，为身份保持视频生成提供了一条可扩展的零样本训练路径。
FontCrafter：基于视觉上下文生成的高保真元素驱动艺术字体创作
FontCrafter: High-Fidelity Element-Driven Artistic Font Creation with Visual In-Context Generation
把参考元素图当作视觉上下文、用图像修复模型在像素级把风格迁移进字形区域，并配轻量 Context-aware Mask Adapter 注入形状、用免训练注意力重定向抑制笔画幻觉——这套「上下文+掩码适配器+注意力重定向」的组合可直接迁移到任何需要保留参考纹理与结构的可控生成任务（如风格化 logo、纹理迁移、局部重绘）。