猫眼电影记者 徐艺婷 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：赌博的网址有哪些

  12月27日,上海古籍出版社就《西厢记》存在编校质量问题致歉,亿纬锂能的首个机器人产业园区，规划了5万平方米的AI和机器人创新研发中心，覆盖机器人研发、试制、中试、总装及技能培训的量产研发全流程。,万博手机官网登陆。

  12月27日,公安部部署开展本土警用犬种推广工作 打造中国警犬自主品牌,在高质量发展的大背景下，今年初，佛山正式晋级“工业3万亿俱乐部”时，就有声音指出，要谨防佛山制造落入“叫好不叫座”甚至“赔钱赚吆喝”的窘境。过高的传统产业比重，也可能带来“路径依赖”效应，制约产业结构实现脱胎换骨的升级。,亚投彩票官方网址,789娱乐城,必维官网。

  时事2：网上玩二八杠有什么技巧

  12月27日,天津第二届室内蹦极国际锦标赛启幕 中外选手跃动海河之畔,首先，将帅搭班情况来看，该公司董事长、总裁任职情况也有新变化。担任董事长职务长达7年的房永斌于2024年底连任，这意味着其或将成为该公司发展史上首位任期超10年的董事长。另外，年满60周岁的总裁邓可今年也增加了两项新职责：合规、财务。,AG体育在线开户,真人平台AG,mg游戏网。

  12月27日,江西泰和冬日“彩林”美如画 高校团队为古树“把脉开方”,最后打个广告：希望我们金证股份、钐烽科技能为在座各位的数字化转型，尤其是业务转型，贡献科技赋能的力量。我们是一家科技公司，参加这次论坛也希望与更多朋友进行同业交流，为大家穿针引线。无论是金租还是商租，我们都希望进行行业交流，谢谢大家！,日博体育官方网站,九州bet9手机登录入口,黄冠体育网站。

  时事3：凯发娱乐网址登录

  12月27日,2026年冬奥会冰壶混双资格赛：中国队六战全胜 继续排在小组首位,“停止那些琐碎的胡扯。她只是在跟朋友打个招呼。那些觉得这个有问题的人才有问题。”,网上牛牛牌有什么规律,火狐体育下载,365体育官网 客户端。

  12月27日,重庆出台23条措施加强困境儿童福利保障,纪宁说：“欧美国家的网球市场已逐渐进入饱和阶段，中国被认为可能带来新的爆发性增长点。”他认为，在中国这个网球新兴市场，应更充分地挖掘体育明星的商业价值。“这有利于全面释放中国体育经济的增长潜力。”,365 bet 地址,j9九游会最新网站,2026世界杯线上买球。

  时事4：国际凯发k8真人版旗舰厅

  12月27日,全国煤炭产运需衔接大会邯郸启幕 发布多项成果,徐州也在实现一季度“开门红”之后，加紧谋划如何再下一城。“二季度既是承上启下的关键节点，也是决定全年经济走向的关键时期。”在一季度经济形势分析会上，徐州市委书记宋乐伟强调，要更大力度抓招商上项目，深入开展“招商引资质效提升年”行动，不断夯实经济增长基础。,日博体育注册,必赢亚洲官网app下载,因为专业值得信赖澳门皇冠。

  12月27日,北京交通大学雄安校区建设一期B组团项目全面封顶,重庆执行“以套内面积作为计价依据”多年，中国社科院研究员王业强对记者表示，目前，重庆依然是两套计价体系并存，但全市购房者缴纳契税、物业费、装修等均是按照建筑面积计算。,365bet体育手机下载,欧博赌场网站,大赢家体育首页。