猫眼电影记者 高照 报道首次登录送91元红包

Canvas-to-Image 是一个面向组合式图像创作的全新框架。它取消了传统「分散控制」的流程，将身份参考图、空间布局、姿态线稿等不同类型的控制信息全部整合在同一个画布中。用户在画布上放置或绘制的内容，会被模型直接解释为生成指令，简化了图像生成过程中的控制流程。

作者：Yusuf Dalva, Guocheng Gordon Qian*, Maya Goldenberg, Tsai-Shien Chen, Kfir Aberman, Sergey Tulyakov, Pinar Yanardag, Kuan-Chieh Jackson Wang通讯作者：Guocheng Gordon Qian机构：¹Snap Inc. ²UC Merced ³Virginia Tech论文标题：Canvas-to-Image: Compositional Image Generation with Multimodal Controls项目主页：https://snap-research.github.io/canvas-to-image/arXiv：arxiv.org/abs/2511.21691

为什么要把控制方式合并到一张画布上？

在以往的生成流程中，身份参考、姿态线稿、布局框等控制方式往往被设计成互不相干的独立输入路径

身份控制需要贴一张独立的参考图；姿态控制依赖单独的骨架图；空间布局要再通过另一个模块或附加输入传给模型。

这些控制信号分别从不同通道进入模型，各自拥有独立的编码方式与预处理逻辑。结果就是：用户无法在画面的同一位置叠加多种控制信息，也无法用「一个局部区域里的组合提示」来告诉模型该怎么生成。

换句话说，传统方法的输入结构是多入口、分散式的，缺乏统一的表达空间。这使得复杂场景的构建流程变得冗长且割裂，用户只能一次提供一种控制，无法在同一个图像区域上同时表达身份 + 姿态 + 位置等组合指令。

Canvas-to-Image 正是针对这一结构性限制提出新的方案：所有控制信号都汇聚到同一张画布中，由模型在同一个像素空间内理解、组合并执行。

核心方法论

(a) 多任务画布（Multi-Task Canvas）

Canvas-to-Image 设计的关键在于——画布本身既是 UI，也是模型的输入。画布中可以出现：

一小块真实人物的图像，用于指定人物；一组简单的骨架线条，用来调节肢体姿势；框选区域，用来定义人物或物体应处的位置。

这些异构视觉符号中包含的空间关系、语义信息，都由 VLM-Diffusion（基于 Qwen-Image-Edit）直接解析。

在训练过程中，Canvas-to-Image 的多任务画布从跨帧图像集（cross-frame image sets）中自动生成。具体流程如下：

随机选取一帧作为目标图像。从其他帧中抽取目标帧所需要不同的视觉元素（人物片段，背景，姿态结构，框选区域等）。将抽取的视觉元素，按照目标帧中的相应位置，摆放在输入画布中。

这样的跨帧采样策略会在输入画布中自然引入姿态、光照、表情等方面的显著差异，使得输入提示与目标图像之间不存在可直接复用的像素对应关系。由此，模型无法依赖简单的拷贝机制来完成训练任务，而必须学习更抽象的语义关联与结构映射。这一设计在训练阶段有效规避了「抄输入」的捷径，从根本上避免了模型在推理阶段出现 copy-paste 式的生成行为。

为了保持训练的简洁性，在每一次训练中，模型只会接收到一种随机选定的控制模态（例如空间布局、姿态骨架或边界框）。这样可以让模型分别学会独立理解不同类型的控制提示，并在推理阶段自然实现多控制的组合能力。

(b) 多控制推理

在推理阶段，Canvas-to-Image 允许用户在同一张画布上灵活组合多种控制模态，例如同时提供身份参考区域、姿态骨架以及空间布局框，从而实现复杂的多控制场景生成。与传统「单一路径控制」的方案不同，用户无需在不同模块之间切换或分阶段注入条件，而是通过统一画布一次性给出所有约束信号。

从学习机制上看，模型在训练过程中仅接触到单一控制模态的样本：每个训练样本只随机激活其中一种控制形式（身份、姿态或位置），使模型分别掌握对单独控制信号的理解与对齐能力。值得注意的是，即便在数据中并不存在显式标注的「多模态组合控制」样本，模型在推理阶段仍然能够在统一画布中同时解析并整合多种控制信号：它会在身份参考的约束下保持人物外观一致性，在姿态骨架约束下生成结构合理的姿态，并在布局框条件下遵循全局空间排布。

这一现象表明，模型在统一画布表示的框架下，学到的并不是对某一种控制模态的简单记忆，而是对「画布上局部区域与目标图像结构之间关系」的更高层次建模能力。换言之，模型在仅依赖单模态训练的前提下，仍然展现出对未见过控制组合的泛化能力：在推理中面对新的、复杂的多控制配置时，依然能够生成结构一致、外观可信且各控制信号相互兼容的高质量结果。这也从实验角度验证了统一画布设计在提升组合式可控生成能力方面的有效性。

实验结果

多控制组合（Multi-Control Composition）

Canvas-to-Image 能够同时处理身份、姿态和布局框，而基线方法往往会失败。Canvas-to-Image 能：

遵循画布中给定的姿态与空间约束；保持人物外观与参考图一致；在多种控制叠加时维持整体画面的连贯性与合理性。

身份 + 物体组合

当画布中同时包含人物提示和物体提示时，Canvas-to-Image 不会把两者当作独立元素简单并置。模型能够理解两者之间应有的空间与语义关系，因而会生成具有自然接触、合理互动的场景。

此外，在多种控制叠加的情况下，Canvas-to-Image 仍能保持：

人物外观与参考图一致；物体的形状、材质和语义保持稳定；人物与物体之间的空间一致性与几何逻辑不被破坏。

因此即便在复杂的组合控制设置下，生成的画面也能呈现出连贯、可信的互动效果，而不是常见的「贴图式合成感」。

多层次场景：前景 + 背景

在给定一张背景图的情况下，Canvas-to-Image 可以通过放置参考图或标注边界框的方式，将人物或物体自然地融入场景。模型会根据画布中的提示自动调整空间关系，使插入元素在位置、光照和整体氛围上与背景保持一致，呈现近乎原生的融合效果。

消融研究

我们系统地测试了当逐步添加控制时模型的表现：

仅身份控制：模型能生成人物，但姿态和位置随机；+ 姿态控制：模型学会同时控制身份和姿态；+ 空间布局：模型能完全控制身份、姿态和位置。

关键发现：虽然训练时使用单任务画布，但模型自然学会了在推理时组合多种控制——这种涌现能力验证了我们的设计理念。

Canvas-to-Image 的核心价值是把多模态的生成控制方式全部图形化，让复杂场景的构建回归到最直观的方式：在画布上摆放、画、框，就能让模型生成对应的结构化、真实感强的画面。统一画布 + 多模态控制的范式，将有望成为下一代创作工具的基础界面形态。

  时事1：反水平台全网第一

  12月23日,日本：数据造假 防卫省停止川崎重工参与招标,克瑞尼什旗下另一只投资中国内地科技股的交易所交易基金，今年同样实现规模增长。其持仓涵盖寒武纪、澜起科技以及中微公司等芯片制造商。,万博mantex3.0。

  12月23日,今年前10个月我国物流需求稳定增长,开发者们的努力也正在得到用户们的正向反馈和回报。腾讯视频鸿蒙版下载量从起初的几十万跃升至突破了一千多万，应用商店的用户评分也稳步提升；顺丰客户体验研发中心负责人邝卓聪透露，顺丰速运鸿蒙版的下载量突破了200万，远超团队当初的预期，“说明我们从一开始就入局鸿蒙是非常明智的选择。”,leyu乐鱼vip,永利爆大奖,富豪俱乐部2。

  时事2：AG九游会app

  12月23日,快舟十一号运载火箭搭载中国民营太空飞船成功发射,京国瑞董事总经理朱平表示，“真正的创新往往诞生于对底层技术的极致深耕。面壁以其提出的‘密度定律’为方向指引，持续追求大模型高效能，在端侧智能领域率先打通了‘理论-技术-场景-商业’的正循环。京国瑞作为国有资本，坚定看好面壁成为端侧智能赛道的标杆企业，在‘人工智能+消费提质’的行动方向上，成为推动智能终端‘万物智联’的重要力量。”,世界杯投注秘诀,可以斗牛的游戏,千亿网址。

  12月23日,A股周三放量上涨 保险板块表现亮眼,双方认为，中俄务实合作是促进两国经济社会发展和共同繁荣，保障技术进步和国家经济主权，实现国家现代化，增进人民福祉，维护世界经济稳定性和可持续性的重要因素。双方愿促进普惠包容的经济全球化。双方满意地看到，中俄各领域务实合作持续推进并取得积极成果。双方愿继续按照互利共赢原则深化各领域合作，密切配合，共同克服外部挑战和不利因素，提升双方合作效率，实现合作稳定、高质量发展。为此，双方商定：,世界杯哪里投注安全,银河在线网站,必博体育网络平台。

  时事3：线上真金赌钱

  12月23日,浙江慈溪取暖器热销欧洲市场,虽然繁琐辛苦，但在政府补贴和“多囤点地”的激励下，村民们的造林积极性很高。到2000年，柴达木嘎查2万多亩的造林工程分批次顺利完成，树木存活率普遍在85%以上。整个通辽也在这时候完成了生态的逆转。2003年，中科院沙漠化土地空间分布遥感监测显示，“三北防护林”工程实施以来，科尔沁沙地在通辽市范围内的沙漠化面积已减少了1200万亩，在全国四大沙地中，科尔沁沙地唯一出现了治理大于沙化的总体良性逆转。,狮子老虎赌博,2020欧洲杯决赛时间,亿德体育官网登录。

  12月23日,重庆出台23条措施加强困境儿童福利保障,该行指，商汤主要通过订阅费向用户收费，如Seko 2.0定价为每月95至195元人民币；Racconn,万博新体育手机版,千炮捕鱼游戏,ag娱乐登录。

  时事4：宝博斗地主官方网站游戏

  12月23日,“发挥港澳独特优势 助力共建‘一带一路’”国际学术研讨会在北京举行,在此之前，赣锋锂业、天齐锂业也已经先后向业内释放出了乐观预期。两家全球性行业龙头普遍认为，受益于可再生能源并网、商用重卡等电动化设备等领域的需求增长，2026年全球锂需求有望增长至200万吨左右，基本达到供需平衡。,开户送体验金的平台,体育注册平台有哪些,365bet体育官网中国官网。

  12月23日,瞄准临床需求 院士专家在穗共推医药前沿技术突破,郭宁宁曾长期在中国银行工作，历任中国银行金融市场总部总经理，香港分行行长，新加坡分行行长等职。,顶级线上娱乐,qq小程序我的捕鱼兑换码,彩神彩票官方平台。