如今，主体驱动生成 (subject-driven generation) 已经广泛应用于图像生成领域，但其在数据可扩展性和主体扩展性方面仍面临诸多挑战，例如从单主体数据集转向多主体并对其进行扩展尤为困难；目前的热门研究方向是单主体，在面对多主体生成任务时表现欠佳。
针对于此，字节跳动 Intelligent Creation 团队利用扩散 Transformer 模型本身具备的上下文生成能力，生成了具有高度一致性的多主体配对数据，并以 FLUX 为基础模型提出了 UNO 模型，能够处理图像生成任务中的不同输入条件。其借助「模型-数据共同进化」的新范式，在优化模型性能的同时，丰富训练数据，提高生成图像的质量和多样性。
研究人员在 DreamBench 和多主体驱动生成的基准测试上进行了大量实验。UNO 在这两项任务中均取得了最高的 DINO 和 CLIP-I 分数，表明其在主体相似性和文本可控性方面表现出色，能力达 SOTA 级别。
多主体驱动生成评测结果，UNO 达 SOTA
目前，「UNO：通用定制化图像生成」教程已上线至 HyperAI超神经官网的教程板块中，点击下方链接即可快速体验 ⬇️
教程链接：go.hyper.ai/XELg5
Demo 运行
- 登录 hyper.ai，在「教程」页面，选择「UNO：通用定制化图像生成」，点击「在线运行此教程」。
- 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
3. 选择「NVIDIA GeForce RTX 4090」以及「PyTorch」镜像。OpenBayes 平台提供了 4 种计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！HyperAI超神经专属邀请链接（直接复制到浏览器打开）：openbayes.com/console/sig...
4. 等待分配资源，首次克隆需等待 2 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」旁边的跳转箭头，即可跳转至 Demo 页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。 
效果展示
在「Prompt」中输入描述生成图片的文本，然后在「Ref Img」中上传生成图片的图片内容。调整「Gneration Width/Height」以选择生成图片的长/宽，最后点击「Generate」生成。
参数调整简介：
- Number of steps: 表示模型的迭代次数或推理过程中的步数,代表模型用于生成结果的优化步数。更高的步数通常会生成更精细的结果，但可能增加计算时间。
- Guidance: 它用于控制生成模型中条件输入（如文本或图像）对生成结果的影响程度。较高的指导值会让生成结果更加贴近输入条件，而较低的值会保留更多随机性。
- Seed: 是随机数种子，用于控制生成过程中的随机性。相同的 Seed 值可以生成相同的结果（前提是其他参数相同），这在结果复现中非常重要。
这里我们上传了一张 logo 和一张杯子的图片，文本描述为：The logo is printed on the cup（把 logo 印在杯子上）。可以看到模型很准确地为我们处理了图片。
教程还为大家提供了多类 Examples，欢迎感兴趣的读者通过下方链接体验 ⬇️教程链接：
