猫眼电影记者 董治良 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：免费游戏

  12月21日,西藏甘丹寺举行燃灯日活动,“关于跨境电子商务零售进口关税扣缴义务人，此次关税法二审稿删除了电子商务企业。因为，电商平台上的电子商务企业很多，出于税源管控和征管便利性考虑，可能不适合作为扣缴义务人。电子商务平台经营者、物流企业作为扣缴义务人予以保留，增加了报关企业。这些企业相对数量较少，而且掌握相关信息，这一变动务实合理，有助于规范跨境电商发展，便利纳税人缴税，并保障国家税收安全。”施正文说。,哪里有体育投注站啊。

  12月21日,法国蓬皮杜中心馆藏艺术大师特展即将登陆北京,至于马克龙，他此前的表态则更为积极，称不排除这一可能性。据美国“动力”军事新闻网站“战区”栏目报道，法国国民议会国防和武装部队委员会主席加西卢德1月27日表示，法国政府有可能同意向乌克兰提供战斗机。加西卢德在伦敦与包括英国国防大臣华莱士在内的同行会谈后说：“关于向乌克兰交付（战斗机），我们必须逐案研究请求，并敞开所有大门。”,真人cs国际比赛,杏彩客户端注册,凯云体育app官网入口。

  时事2：亚星管理平台正网

  12月21日,今年前11个月洋山港各码头完成集装箱吞吐量同比上升9.7%,此次二审稿充实完善了原产地制度规则的规定：完全在一个国家或者地区获得的货物，以该国家或者地区为原产地；两个以上国家或者地区参与生产的货物，以最后完成实质性改变的国家或者地区为原产地。国务院根据中华人民共和国缔结或者共同参加的国际条约、协定对原产地的确定另有规定的，依照其规定。,下载银河app手机版官网,完美体育登录入口,永利官方总站下载。

  12月21日,东西问｜马来西亚学者刘慧敏：人工智能如何让教育更普惠？,“2025年没有企业倒闭和矿山永久关停情况，宜春、非洲矿山仅选择停产数月检修以控制产量。澳矿在2024年关停部分老旧的矿山后，其余产量及开工率依旧维持在正常水平。”杨诚笑指出。,足球下赌注app软件下载,欢迎光临大红鹰dhy客服,巴黎人网信誉。

  时事3：德扑圈平台

  12月21日,重庆累计办理生态环境损害赔偿相关案件1837件,上述背景下，明年碳酸锂阶段性重返15万元/吨，甚至是20万元/吨的可能性正在快速增加。,365bet体育在线滚球app,开元棋下载app2022年,40ky开元棋牌网址。

  12月21日,500余名选手角逐大湾区青少年跳绳王者 赛事三超世界纪录,这意味着目前国内在建的和已经建成的海底隧道，最长的均在20公里以内，与设计长度约在125公里的烟大海底隧道，相距甚远。,体球网手机比分足球,华纳娱乐开户官网,威尼斯在线官方网站。

  时事4：梭哈游戏大厅app下载

  12月21日,日本遗孤中井玲子：很多遗孤被亲生父母拒认,（观察者网讯）当地时间2月7日，在美国总统拜登向国会发表国情咨文演讲前，第一夫人人吉尔·拜登和第二先生道格拉斯·埃姆霍夫（副总统哈里斯的丈夫）互相亲吻问候的画面被拍下，引发美国舆论热议。,凯发娱乐手机网页版下载,凯发娱乐唯一官网,国际象棋真人对战版。

  12月21日,《国家宝藏》周游季无锡站播出,5月7日至9日，中共中央政治局常委、国务院总理李强在新疆调研。,电子网投官网,威尼斯官方手机,乐动体育app官网。