213-A1.1｜条件图像生成系列，文生图长文本对齐；图像编辑（基于场景图结合LLM，基于源图像的个性化编辑，文本引导）｜Wed

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Image Generation｜Controllable/ Conditional A Simple Approach to Unifying Diffusion-based Conditional Generation UniCon 2024-10-15｜SJTU, Google ｜⭐️ 🟡 http://arxiv.org/abs/2410.11439v1 https://lixirui142.github.io/unicon-diffusion/ 概述 在最近的图像生成研究中，条件生成模型的控制能力得到了显著提升。本文提出了一种名为UniCon的统一框架， 旨在处理多种条件生成任务，特别是涉及特定图像与条件之间的关联 。UniCon通过学习相关图像对（例如图像和深度图）的联合分布，利用扩散模型实现灵活的生成能力。与以往的多阶段训练或复杂架构不同，UniCon采用单一高效的训练阶段，保持标准模型输入，并仅增加15%的学习参数。该模型不仅支持非空间对齐和粗略条件生成，还能够结合多个模型以实现多信号条件生成，展现 ………………………………