新万博体育

　　猫眼电影记者 包清工 报道Q8X2R7L1T4J5M9B6W3

新智元报道

编辑：LRST

【新智元导读】LayerComposer革新了个性化图像生成，让用户像在Photoshop里一样自由操控元素位置、大小，解决传统方法交互性与多主体扩展难题，实现更自然、高效的创作，推动个性化生成迈向主动交互新阶段。

大型扩散模型（如 Stable Diffusion）让我们能够从文字生成高保真的图像。但当用户希望「生成我和我的朋友们在不同场景中的照片」时，现有的个性化生成方法（如 DreamBooth、IP-Adapter）仍面临两个根本问题：

缺乏交互性：无法自由控制人物的空间位置、大小与关系。

难以扩展到多主体：每多一个人，内存和算力就线性增长。

LayerComposer的目标，就是要打破这两大限制，让用户可以直观地控制在哪里放置什么样的元素，进行可控且高效的个性化生成。

项目地址：https://snap-research.github.io/layercomposer/

论文地址：https://arxiv.org/abs/2510.20820

「一张由雪人和三位女孩组成的合照」—— 你可以像在Photoshop里一样，放置、缩放、锁定角色，然后让模型完成剩下的工作。

LayerComposer的三大设计

分层画布（Layered Canvas）

每个人物、物体或背景都放在独立的RGBA层中（包含透明通道的图片），这样可以：

避免人物遮挡导致的信息丢失；

通过透明裁剪（Transparent Latent Pruning）显著降低计算量；

支持任意数量的主体组合。

类似于在Photoshop里，每一层就是一个独立的角色，随意移动、缩放或删除。

锁定机制（Locking Mechanism）

每一层都可以选择「锁定（Lock）」或「解锁（Unlock）」：

锁定层 → 模型必须高保真地保留该层，仅允许细微的光照调整；

解锁层 → 模型可以根据文字描述自由生成姿态、表情或交互。

你可以锁定背景，让人物随提示变化，也可以锁定一个角色姿势，生成其他人围绕他互动。

这种「可选保真度」让 LayerComposer 比以往方法更接近人类的创作流程。

模型–数据共设计（Model–Data Co-Design）

LayerComposer的锁定机制无需修改网络结构。

研究人员通过「位置嵌入」（positional embedding）与「数据采样策略」共同实现：

锁定层共享相同的空间编码；

解锁层使用独立的编码，以避免重叠混淆。

这种轻量化设计，可以在现有扩散模型（如 FLUX Kontext）上直接适配。

实验结果

多主体、高保真、强可控

四人场景（4P）

在四人同框的任务中，LayerComposer的生成质量显著优于 FLUX Kontext、Qwen-Image-Edit、Gemini 2.5 Flash Image等模型，能在存在遮挡的情况下保持人物结构完整，并忠实地还原每个人物。

双人交互（2P）

在需要两人互动的场景（如「一起吃饭」、「握手」）中，LayerComposer能生成自然的姿态与空间关系，不再出现「复制粘贴」或「少人」的问题，用户偏好达到83.3%，远超OmniGen2等最新模型。

单人个性化（1P）

即使只生成单人肖像，LayerComposer仍展示出优越的表现：

在保持身份一致的同时，能灵活生成不同表情与动作（如笑、闭眼、吃饭等），避免「贴脸」效果。

消融实验

锁定与分层的作用

锁定机制（Locking Mechanism）

为了展示锁定机制的效果，研究人员逐步对每一层输入进行锁定。

被锁定的层会保留该人物的姿态——模型只会在此基础上进行「外延绘制」（outpainting）和轻微的细节光照调整。

需要强调的是，这与「掩膜推理（masked inference）」不同：在掩膜推理中，被遮挡的区域完全不会被更新。

另外，在实验设置中，未锁定的层会根据已锁定的内容和整体场景上下文灵活调整，从而实现自然的协调与融合。

分层画布（Layered Canvas）

如果不使用分层画布，模型就只能在训练中以单张拼贴图像（collage）作为条件输入，如图中 「Inputs」 一列所示。

可以看到，在「w/o layered canvas」（无分层画布）的结果中，由于拼贴重叠造成的遮挡，会导致信息缺失。

例如，左边女子圣诞帽上的球被遮挡后在生成结果中完全消失。

相比之下，提出的分层画布能够显式地处理遮挡问题，从而避免此类伪影（artifacts）和细节丢失。

通过在Layered Cavas中调整每一个subject在各自layer的位置，LayerComposer支持直观的空间布局调控。

总结

LayerComposer让多主体个性化生成从「被动输入」迈向「主动创作」。

用户不再只是输入文本，而是真正参与到构图过程中。

从DreamBooth到LayerComposer，个性化生成，终于有了交互的灵魂。

未来展望

尽管LayerComposer带来了交互式个性化的新范式，但仍存在一些挑战。

在需要「复杂物理推理」（如「坐在输入图片椅子上」）的场景中可能失败。

未来，研究人员计划让LayerComposer支持更强的理解能力和新万博体育：模态，以促进人机协同创作：

结合大语言与视觉模型（VLMs）的理解能力，实现语义级别的自动布局与构图建议；

支持视频级别的分层个性化，让交互式创作从静态图像走向动态场景；

探索生成与编辑的统一界面，让用户在同一画布上无缝地修改、添加与再生成内容。

这种以「分层画布」为核心的交互式个性化范式，将成为下一代生成式创作工具的重要方向。

参考资料：

https://arxiv.org/abs/2510.20820

??时事1：乐动体育官方版

??10月29日,太原检方出台“十项举措”护航民营经济：坚持治罪与治理并重,

　　观战众人皆惊，为何引出了这样一群人，一看就是来自大家族的重要人物，难道这个孩子手中那块骨很非凡？

,新宝彩票官网下载。

??10月29日,香港特区政府委任车品觉出任港交所董事会成员,

　　“好慢呀，将近一年的时间才只多加了一口。”小不点自语，觉得修行越来越难了。

,亚娱在哪玩,凤凰彩票竞彩官网,皇冠90比分网。

??时事2：世界杯买球买1赔多少

??10月29日,最高人民检察院依法对王昊决定逮捕,

　　“喂，你们不是要抢我们的宝骨吗？过来拿啊。”一群娃子非常不忿，情绪稳定下来后，全都发作了。

,云博国际,澳门凤凰版网站,银河棋牌登录。

??10月29日,“和谐使命-2024”：“和平方舟”号医院船驶入地中海,

　　如洪潮般的巨兽到了，冲着石云峰他们冲击而来，摧枯拉朽，巨树折断，没有什么能阻挡它们的脚步。

,世界杯买球的app中心,开云开户网址,世界杯体彩购买软件。

??时事3：韦德国际官网

??10月29日,20年期超长期特别国债将第一次续发行,

　　六、今后努力方向

,澳门国际娱乐网址网站,米乐体育平台登录,什么软件能买世界杯球。

??10月29日,安徽7万余人次获全国无偿献血奉献奖,

　　“这是哪里蹦出来的皮孩子，他想逆天吗？！”

,百老汇app怎么下载,欧博注册送18,彩票吧。

??时事4：万博首页

??10月29日,长三角大健康产业20强城市榜单在江苏扬州出炉 上海居榜首,　　对抗旱工作作出安排部署。印发《新万博体育：做好当前抗旱工作的紧急通知》《新万博体育：切实做好抗旱播种保苗工作的紧急通知》等文件，就抗旱播种、田间管理、旱情监测、水源调度等提出要求。严格落实以气象预报为先导的应急响应联动机制，组织相关部门滚动开展旱情会商，分析研判旱情发展趋势。及时启动省级抗旱应急四级响应，14个省辖市先后启动本地区抗旱应急响应机制，全省进入抗旱应急状态。,澳门正规电子游戏网站,新老虎机游戏平台,火狐体育网址多少。

??10月29日,东西问·汉学家丨意汉学家里卡多·波佐：儒学为当今世界带来哪些启示？,

　　刚才教科室主任朗其生老师就这一届毕业班的情况及上学期的成绩进行了客观、详细的分析，并根据现状以如何提高教育教学质量做了详细的指导安排，为这一届小学毕业学生提高教育教学质量奠定了基础。借此机会，我也讲以下几点想法：

,澳门网上投注平台官网,仲博平台在线登录,电竞竞猜哪个平台好。