.png){kind=icon}
返回
Instance-level cross-attention learning for fine-grained customizable face generation
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-025-04129-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
定制文本到人脸生成旨在根据用户输入的提示词和参考图像生成图像，这些图像既要符合文本描述，又要保持身份一致性。目前，一些方法通过多任务学习优化场景和角色生成，或仅关注面部特征，从而忽视了在提示词中分离和精确建模角色描述（例如“戴太阳镜的年轻女子”）和环境描述（例如“在海滩上日光浴”）的重要性，导致模型在场景还原和角色表现方面不够准确。为解决这些问题，我们提出了CustomFace，一种新型生成框架，该框架在确保身份一致性的同时实现场景多样性。首先，提出了细粒度身份提取器，专注于多尺度身份特征的提取。其次，实例级交叉注意力学习策略通过实例级建模细化场景和角色区域，有效解决了场景—角色解耦问题。广泛的实验结果表明，我们的方法在身份准确性和场景还原方面优于当前最佳水平。
Keyword:
Personalized text-to-face generation
Decoupling control
Multimodal learning
Diffusion models
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
引用论文
Encoder-based Domain Tuning for Fast Personalization of Text-to-Image Models基于编码器的域调整，用于文本到图像模型的快速个性化
OAAI
OAAI分享收藏Transformer model incorporating local graph semantic attention for image caption引入局部图语义注意的图像字幕变换器模型.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏
查看更多内容