LogoSticker

logosticker：将徽标插入定制生成的扩散模型

摘要。文本到图像模型自定义的最新进展强调了将新概念与一些例外样本集成的重要性。然而，这些进步在很大程度上仅限于广泛认可的科目，可以通过模型的共同的先验知识来相对轻松地学习。相比之下，徽标以独特的模式和文本元素为特征，很难在扩散模型中建立共享知识，从而提出了独特的挑战。为了弥合这一差距，我们介绍了徽标插入的任务。我们的目标是将徽标身份插入扩散模型中，并在各种环境中实现其无缝合成。我们提出了一个新颖的两相管道logosticker来解决这一任务。首先，我们提出了参与者 - 批判性关系预训练al-gorithm，它解决了模型对徽标潜在空间定位的理解和与其他观察者相互作用的潜在空间定位的理解。第二，我们提出了一种脱钩的身份学习算法，该算法可以实现徽标的精确定位和身份提取。LogoSticker可以在不同的环境中准确而和谐地生成徽标。我们全面验证了LogoSticker对自定义方法和大型模型（例如Dalle 3）的有效性。项目页面。