Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.10217

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.10217 (cs)
[提交于 2025年7月14日 (v1) ,最后修订 2025年7月21日 (此版本, v2)]

标题: 从衣橱到画布:衣橱多联画LoRA用于局部可控的人像生成

标题: From Wardrobe to Canvas: Wardrobe Polyptych LoRA for Part-level Controllable Human Image Generation

Authors:Jeongho Kim, Sunghyun Park, Hyoungwoo Park, Sungrack Yun, Jaegul Choo, Seokeon Choi
摘要: 最近的扩散模型通过学习特定主题实现个性化,使学习到的属性能够整合到生成的图像中。 然而,由于需要精确且一致的属性保留(例如身份、服装细节),个性化的人像生成仍然具有挑战性。 现有的以主题驱动的图像生成方法通常需要(1)在推理时使用少量图像对每个新主题进行微调,或者(2)大规模数据集训练以实现泛化。 这两种方法在计算上都很昂贵,对于实时应用不切实际。 为了解决这些限制,我们提出了Wardrobe Polyptych LoRA,一种用于个性化人像生成的新颖部分级可控模型。 通过仅训练LoRA层,我们的方法在推理时消除了计算负担,同时确保了未见过的主题的高质量合成。 我们的关键思想是将生成条件化为主题的衣橱,并利用空间参考来减少信息丢失,从而提高保真度和一致性。 此外,我们引入了一种选择性主题区域损失,这鼓励模型在训练期间忽略一些参考图像。 我们的损失确保生成的图像更好地与文本提示对齐,同时保持主题完整性。 值得注意的是,我们的Wardrobe Polyptych LoRA在推理阶段不需要额外参数,并使用仅在少量训练样本上训练的单一模型进行生成。 我们构建了一个新的数据集和基准,专门针对个性化人像生成。 大量实验表明,我们的方法在保真度和一致性方面显著优于现有技术,实现了真实且身份保留的全身合成。
摘要: Recent diffusion models achieve personalization by learning specific subjects, allowing learned attributes to be integrated into generated images. However, personalized human image generation remains challenging due to the need for precise and consistent attribute preservation (e.g., identity, clothing details). Existing subject-driven image generation methods often require either (1) inference-time fine-tuning with few images for each new subject or (2) large-scale dataset training for generalization. Both approaches are computationally expensive and impractical for real-time applications. To address these limitations, we present Wardrobe Polyptych LoRA, a novel part-level controllable model for personalized human image generation. By training only LoRA layers, our method removes the computational burden at inference while ensuring high-fidelity synthesis of unseen subjects. Our key idea is to condition the generation on the subject's wardrobe and leverage spatial references to reduce information loss, thereby improving fidelity and consistency. Additionally, we introduce a selective subject region loss, which encourages the model to disregard some of reference images during training. Our loss ensures that generated images better align with text prompts while maintaining subject integrity. Notably, our Wardrobe Polyptych LoRA requires no additional parameters at the inference stage and performs generation using a single model trained on a few training samples. We construct a new dataset and benchmark tailored for personalized human image generation. Extensive experiments show that our approach significantly outperforms existing techniques in fidelity and consistency, enabling realistic and identity-preserving full-body synthesis.
评论: 10页,8图
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2507.10217 [cs.CV]
  (或者 arXiv:2507.10217v2 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.10217
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jeongho Kim [查看电子邮件]
[v1] 星期一, 2025 年 7 月 14 日 12:34:25 UTC (11,659 KB)
[v2] 星期一, 2025 年 7 月 21 日 02:49:59 UTC (11,659 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号