贬低者

arxiv：2410.02067v2 [CS.CV] 2024年10月28日

在图像生成的领域中，从视觉提示中创建自定义的图像，并以其他文本指令的形式出现作为有希望的努力。然而，除去基于调整和不含调整的方法，与解释视觉提示的主题属性的斗争。这会导致主题 - 略带属性渗透到生成过程，最终损害了编辑性和ID保存中的人性化质量。在本文中，我们提出了Disenvisioner，这是一种新颖的方法，用于在过滤出irrelevant信息的同时有效地提取和丰富主题的特征，以无调的方式启用出色的自定义性能，并且仅使用单个图像。具体来说，该主题和其他无关组件的特征被有效地分为独特的视觉令牌，从而实现了更准确的自定义。，为了进一步提高ID的一致性，我们丰富了分离的特征，将它们雕刻成更精细的代表。实验证明了我们的方法优于教学响应（编辑性），ID一致性，推理速度和整体图像质量中现有方法的优越性，从而突出了贬低者的有效性和效率。项目页面：disenvisioner.github.io。