新万博体育

　　猫眼电影记者 庄思敏 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：金沙网站是多少

??11月01日,【小新的Vlog】和小新一同感受东川泥石流汽车越野赛“猛兽呼啸”,　　中国地震台网正式测定：06月08日11时16分在福建三明市尤溪县（北纬26.30度，东经118.15度）发生3.5级地震，震源深度8千米。,18新利luckcom。

??11月01日,台风“潭美”已致越南3人死亡 1人失踪,

　　人们很快就猜到了本质。

,哪些正规的平台可以买球,世界杯合法买球在哪,星速体育app下载官网。

??时事2：uc体育app下载安装

??11月01日,大朗代表团建议：创新打造停车共享模式,

　　事实上，宝术稀少，纵然是数以千万、上亿人口的大部落，也只有一种强大宝术而已，辅以几个小神通。

,半岛官方体育网页入口,万博maxbextx网页,雷竞技app在线下载。

??11月01日,中新健康周报｜一品红、石家庄四药遭医保局“拉黑”6个月 片仔癀暂缓执行关联交易,

　　同时，对本次干部调整中聘任的领导表示衷心的祝贺!这次调整精简了领导职数，也为我们领导班子注入了新鲜的血液，增添了活力!

,葡京投注网址,12bet注册App,皇冠买球app下载平台。

??时事3：爱博app最新版

??11月01日,家电功能复杂价格水涨船高 别让“聪明家电”困住老人,

　　他祭出两轮银月，向前腾跃而去，噗噗两声，将两头格外强壮的巨狼生生给立劈了，从眉心一直裂到两腿间，皆化为两半，鲜血汩汩而涌。

,必博体育平台app,世界杯比分投注量,美高梅游戏官网官方。

??11月01日,实拍新疆多架无人机棉田作业 场面壮观,

　　自信心对我们的学习很重要。我们读书学习，需要有决心、有信心、有行动。知识的海洋是那样的广阔无垠。如果我们一直处在被动的学习状态下，将永远做不了学习的主人，而只会产生厌倦心理。只要大家明确自己的学习目标，培养自己的耐心，掌握正确的学习方法，养成良好的学习习惯，多一份思考，多一份观察，勇于探索，主动地去学习;那么就会发现这辛苦中有无限的甜蜜，这付出中有新万博体育：的收获!

,银河官网,乐虎国际在哪玩,千赢国际网投平台。

??时事4：789娱乐城

??11月01日,全国多地因降雪大雾天气关闭千余个收费站,

　　穿山甲再动，猛的一转身，一条金色的尾巴横扫而来，摧枯拉朽，途中撞到一块十万斤的巨石，直接击断。

,世界杯买球是怎么买?,世界杯倍投注,ag真人手机端网址。

??11月01日,【世界看两会】南非开普敦大学教授：中非之间的信任是宝贵资产,

　　地球是我们的母亲，她已经哺育了一代代人类，可我们却把生我们的母亲弄得多么狼狈，你们于心何忍啊!

,看世界杯买球怎么买,e世博在线注册,看4张牌抢庄斗牛app。