猫眼电影记者 郑燕茹 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：银河国际bb电子

  12月24日,北方地区将有大风降温 台风“天琴”继续影响南海,据国泰君安证券，2024年4月，A股沪深北三市上市新股共计5只、首发募资总额27.05亿元，募资规模环比2024年3月下滑54.15%、同比2023年4月下滑94.59%。4月新股发行上市节奏延续放缓态势，单月募资额再度下滑，刷新近五年来低位。2024年前四月，新股上市数量及募资额相比上年同期分别下滑66%和77%。,ag真人旗舰厅手机版下载。

  12月24日,（走进中国乡村）山东烟墩角：大天鹅青睐的“最佳旅游乡村”,久期财经讯，12月22日，万科企业股份有限公司(简称“万科企业”，02202.HK)发布关于万科企业股份有限公司 2022 年度第四期中期票据延长宽限期及宽限期内本息偿付安排的公告。,投注世界杯倍数,万博手机app下载,美高梅网上游戏。

  时事2：有哪些斗牛app可以赢钱

  12月24日,AI赋能中医创新 专家强调“以人为本”核心不可替代,此外，值得关注的是，今年以来该公司高管班子也出现了大幅度调整。1位“60”后高管离任，3位“70后”上任，另有4名高管职责范围大调整，高管团队整体更加“年轻化”，展现出明显的重新优化组合、年轻化态势。,云顶娱乐手机端官网首页,BBIN真人哪里注册,云顶娱乐体育官方网址。

  12月24日,云聚西楚 文化筑梦 “江苏中华文化云课堂”宿迁专场分享会成功举办,在2022年7月21日举行的“‘中国有约·你好福建’2022年国际媒体主题采访活动”总结会上，福建省委常委、常务副省长郭宁宁再次发出邀请：真诚邀请各国媒体朋友留下来，更多地感受福山福水、福来福往的热情与魅力，多为福建“代言”，讲好福建故事，让世界通过福建窗口更好地了解中国、读懂中国。,mg注册送53,bob官方网,金沙直营厅。

  时事3：亚行官方网站

  12月24日,唐代铜尺出土 度量衡里藏文化,2月初，美国资深调查记者西摩·赫什发表文章称，美国策划参与了“北溪”管道爆炸事件。3月3日，在接受中央广播电视总台CGTN记者专访时，西摩·赫什表示，由于破坏“北溪”管道的行动涉及高度机密，美国政府内知晓行动全部内幕和细节的人数非常有限。,金博棋牌网站,美高梅软件官方版下载,爱博app平台。

  12月24日,第十四届悉尼华商之夜在悉尼举行,“我们研究发现，当地县域乡村居民对资金的年化无风险回报预期基本在2%，这是一个明显的分水岭。在一年期存款利率跌破2%后，居民存款意愿明显下降，取而代之的是固收类理财产品认购热情活跃。”李卓向记者透露。这种趋势驱动他们对引入银行理财子公司的产品格外迫切，目前他们正与一家股份制银行理财子公司磋商合作协议条款。,捕鱼达人网页,必威app,球探篮球比分旧版。

  时事4：365app体育在线

  12月24日,国家铁路局：采取切实有力措施 维护岁末年初铁路安全稳定,据《星岛》了解，亿纬锂能AI机器人项目运营主体为全资子公司惠州金源智能机器人有限公司（曾用名：惠州金源智能机器人有限公司）。该公司长期为亿纬锂能各大产业园打造智能设备、智能装备及智能体，积累了深厚的AI技术储备与丰富的工业场景落地经验。,游戏厅捕鱼机,环球苹果版,国际象棋真人对真人软件。

  12月24日,辛选75%复购率揭示直播电商消费新逻辑,在一群学生接连离场时，邓肯被允许再演讲10分钟，最终他被联邦法警从后门护送离开。,GD真人体验视讯,365bet体育在线开户,888电玩城官网下载。