计算机科学 > 计算机视觉与模式识别
[提交于 2025年4月1日
(v1)
,最后修订 2025年5月27日 (此版本, v3)]
标题: SPF-肖像:迈向语义无污染微调的纯文本到肖像定制技术
标题: SPF-Portrait: Towards Pure Text-to-Portrait Customization with Semantic Pollution-Free Fine-Tuning
摘要: 微调预训练的文本到图像(T2I)模型在定制肖像数据集上是文本到肖像定制的主要方法。然而,现有方法在定制肖像属性时通常严重改变原始模型的行为(如ID变化、布局变化等)。为了解决这个问题,我们提出了SPF-肖像,这是一个开创性的工作,旨在纯粹理解定制目标语义并最小化对原始模型的干扰。在我们的SPF-肖像中,我们设计了一个双路径对比学习管道,该管道引入了原始模型作为传统微调路径的行为对齐参考。在对比学习过程中,我们提出了一种新的语义感知精细控制图,用于指示目标语义响应区域的强度,以空间引导对比路径之间的对齐过程。它自适应地平衡了不同区域的行为对齐和目标语义的响应。此外,我们提出了一种新的响应增强机制,以强化目标语义的表现,同时缓解直接跨模态监督中固有的表示差异。通过上述策略,我们实现了纯文本到肖像定制的目标语义的增量学习。广泛的实验表明,SPF-肖像达到了最先进的性能。项目页面:https://spf-portrait.github.io/SPF-Portrait/
文献和引用工具
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
推荐器和搜索工具
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.