CVPR 2024 Highlight | CFLD：由粗到细的姿态引导人体图像生成

文章预览

点击下方 卡片 ，关注“ AIGC Studio ” 文章：https://arxiv.org/abs/2402.18078 项目：https://github.com/YanzuoLu/CFLD 01 导言 扩散模型是一种很有前途的图像生成方法，已被应用于姿态引导的人物图像合成(PGPIS)中，具有较好的性能。 虽然现有的方法只是简单地将人的外表与目标姿势对齐，但由于缺乏对源人物图像的高级语义理解，它们容易过度拟合。 本文提出了一种新的用于PGPIS的粗-细潜扩散(CFLD)方法。 （1）在缺乏图像标题对和文本提示的情况下，克服了将文本到图像扩散应用于PGPIS时的局限性，开发了一种全新的纯粹基于图像的训练范式，以控制预训练的文本到图像扩散模型的生成过程。 （2）提出一种感知细化解码器，旨在逐步细化一组可学习的查询，以粗粒度提示提取人图像的语义理解。这允许在不同阶段分离细粒度的外观和姿态信息控制，从而避免潜 ………………………………