ReVersion|图像生成中的Relation定制化

新任务:Relation Inversion

新任务:Relation Inversion

今年,diffusion model和相关的定制化(personalization)的工作越来越受人们欢迎,例如DreamBooth,Textual Inversion,Custom Diffusion等,该类方法可以将一个具体物体的概念从图片中提取出来,并加入到预训练的text-to-image diffusion model中,这样一来,人们就可以定制化地生成自己感兴趣的物体,比如说具体的动漫人物,或者是家里的雕塑,水杯等等。

现有的定制化方法主要集中在捕捉物体外观 (appearance) 方面。然而,除了物体的 外观 ,视觉世界还有另一个重要的支柱,就是物体与物体之间千丝万缕的**关系( **relation ** **。目前还没有工作探索过如何从图片中提取一个具体关系(relation),并将该relation作用在生成任务上。为此,我们提出了一个新任务:Relation Inversion

如上图,给定几张参考图片,这些参考图片中有一个共存的relation,例如"物体A被装在 物体B中",Relation Inversion的目标是找到一个relation prompt 来描述这种交互关系,并将其应用于生成新的场景,让其中的物体也按照这个relation互动,例如将蜘蛛侠装进篮子里。

ReVersion框架

作为针对Relation Inversion问题的首次尝试,我们提出了ReVersion框架:

相较于已有的Appearance Invesion任务,Relation Inversion任务的难点在于怎样告诉模型我们需要提取的是relation这个相对抽象的概念,而不是物体的外观这类有显著视觉特征的方面。

我们提出了relation-focal importance sampling策略来鼓励更多地关注high-level的relation;同时设计了relation-steering contrastive learning来引导更多地关注relation,而非物体的外观。更多细节详见论文。

ReVersion Benchmark

我们收集并提供了ReVersion Benchmark: github.com/ziqihuangg/...

它包含丰富多样的relation,每个relation有多张exemplar images以及人工标注的文字描述。我们同时对常见的relation提供了大量的inference templates,大家可以用这些inference templates来测试学到的relation prompt是否精准,也可以用来组合生成一些有意思的交互场景。

结果展示

丰富多样的relation

我们可以invert丰富多样的relation,并将它们作用在新的物体上

丰富多样的背景以及风格

我们得到的relation ,还可以将不同风格背景场景中的物体,按照特定的方式联系在一起。

同一个Relation,丰富多样的物体组合

相关推荐
不摸鱼2 天前
CEO回去写代码!AI时代,不懂细节的管理层终将被淘汰 | 不摸鱼的独立开发者日报(第128期)
人工智能·开源·资讯
NocoBase4 天前
NocoBase 如何成为 ED 的技术底座,支撑内部系统到商业化产品?
开源·敏捷开发·资讯
算家计算7 天前
Kimi新功能来了,全新Agent模式上线,命名致敬传奇音乐专辑?
人工智能·agent·资讯
算家计算9 天前
算力颠覆未来工资定价逻辑!耶鲁大学论文预测AGI经济趋势,人类价值何处安放?
人工智能·云计算·资讯
算家计算15 天前
DeepSeek-R1论文登《自然》封面!首次披露更多训练细节
人工智能·资讯·deepseek
算家计算15 天前
AI教母李飞飞团队发布最新空间智能模型!一张图生成无限3D世界,元宇宙越来越近了
人工智能·资讯
NocoBase15 天前
GitHub 上 Star 数量前 10 的开源项目管理工具
开源·github·资讯
算家计算17 天前
OpenAI最强编程模型GPT-5-Codex发布!可独立编程7小时,编程效率提升10倍
人工智能·ai编程·资讯
算家计算18 天前
马斯克突然裁掉500名AI训练师!重心转向招募专业领域AI导师
人工智能·资讯·grok