新智慧报告编辑器：LRST【新智慧介绍】LayerComposer彻底改变了自定义图像生成，让用户可以像Photoshop一样自由控制元素的位置和大小，解决传统方法的交互性和多主体扩展问题，使创建更加自然高效，将自定义生成提升到主动交互的新阶段。大规模扩散模型（例如稳定扩散）可用于从文本生成高保真图像。然而，当用户想要“生成自己和朋友在不同场景下的照片”时，现有的自定义生成方法（DreamBooth、IP适配器等）仍然面临两个根本问题。就是缺乏互动性，无法自由控制角色的空间位置、大小和关系。很难扩展到多个代理。每增加一个人，内存和计算能力就会线性增加。 LayerComposer 的目标是克服这两个限制，让用户直观地控制哪些元素放置在哪里，从而实现可控且高效的自定义生成。项目地址：https://snap-research.github.io/layercomposer/ 文章地址：https://arxiv.org/abs/2510.20820 《一个雪人和三个女孩的合成照片》：你可以像在 Photoshop 中一样定位、缩放和锁定人物，剩下的让模型来做。 LayerComposer 的三个主要布局分层画布将每个字符、对象或背景放置在单独的 RGBA 图层（具有透明通道的图像）上。这使您能够： 避免由于字符遮挡而导致信息丢失。透明的潜在剪枝大大减少了计算量。支持任意数量的主题组合。就像在Photoshop中一样，每一层都是一个独立的角色，可以随意移动、缩放和删除。每层锁定机构都可以选择“锁定”或“解锁”。锁定层→模型应保留该层具有高保真度，并且仅允许进行较小的照明调整。解锁图层 → 模型可以根据文本描述自由生成姿势、表情和交互。您可以锁定背景以按照指示更改角色，或锁定角色的姿势以便其他人在他们周围进行互动。这种“可选择的保真度”LayerComposer 比以前的方法更接近人类的创作过程。数据和模型协同设计LayerComposer的锁定机制不需要改变网络结构。研究人员通过“位置嵌入”和“数据采样策略”共同实现了这一目标。大写字母 ace 共享相同的空间编码。分辨率锁定层使用不同的编码以避免由于重复而造成的混乱。这种轻量级设计可以直接应用于现有的广播模型，例如 FLUX Kontext。实验结果 四人（4P）场景，多主体，高保真，高度可控 对于四人任务 i在同一帧下，LayerComposer的输出质量明显优于FLUX Kontext、Qwen-Image-Edit和Gemini 2.5 Flash Image等模型。即使存在遮挡，它也能保持角色结构的完整性，从而忠实地恢复每个角色。两人交互（2P） 在需要两个人交互的场景中（例如“一起吃饭”或“握手”），LayerComposer 可以生成自然的姿势和空间关系，解决“复制粘贴”和“人数少”等问题。用户偏好度达到83.3%，明显高于OmniGen2等最新型号。单人个性化（1P） 即使只生成一个人的肖像，LayerComposer 也表现出良好的性能。它可以灵活地生成不同的面部表情和动作（例如微笑、闭眼、吃饭等），在保持相同身份的同时避免“面对面”的效果。块状和分层烧蚀实验中的效应 锁定机制 为了证明锁定机制的有效性，研究人员分阶段锁定了每一层的输入。锁定的图层仅通过“外部绘画”和基于此的小细节照明调整来保留角色的姿势。值得注意的是，这与“屏蔽推理”不同。在实验设置中，解锁的图层会根据锁定的内容和场景的整体上下文进行灵活调整，从而实现自然的调整和融合。分层画布（Layered Canvas） 如果不使用分层画布，模型在训练时只能使用拼贴图像作为条件输入，如图中的Input一栏所示。您可以看到“No Layered Canvas”结果由于重叠拼贴造成的遮挡而丢失了信息。例如，左侧女士圣诞帽中的球被遮挡并在生成的结果中完全消失。相比之下，专业所提出的分层画布可以显式地处理遮挡问题，从而避免此类伪影和细节丢失。通过调整 Layered Cavas 各层中每个主体的位置，LayerComposer 支持空间布局的直观控制。摘要：LayerComposer le pe允许您将多代理自定义生成从“被动输入”转移到“主动创建”。用户现在参与创建过程，而不仅仅是输入文本。从DreamBooth到LayerComposer，自定义生成终于可以用于交互式灵魂了。未来展望 LayerComposer 为交互式个性化带来了新的范例。然而，一些挑战仍然存在。在需要“复杂物理推理”的场景中（例如“坐在椅子上输入图像”），它可能会失败。未来，研究人员计划让 LayerComposer 支持更强的理解能力和更多的模式，以促进人机共同创作。它结合了大规模语言理解g 和视觉模型 (VLM) 功能，可在语义级别提供自动布局和构图建议。支持视频级别的分层定制，并允许从静态图像交互式创建动态场景。探索统一的生成和编辑界面，允许用户在同一画布上无缝更改、添加和重新生成内容。这种以“分层画布”为核心的交互式个性化范式将成为下一代生成工具的关键方向。参考：https://arxiv.org/abs/2510.20820
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由网易号用户上传发布，网易号是一个仅提供信息存储服务的社交媒体平台。
收藏！右2026年山东大学高考报名时间表！请于18日付款！第七条 特别关注高校和公安专项！
