猫眼电影记者 比提尼亚 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：宝马会怎么注册

  12月24日,重庆展团瓜达拉哈拉书展首秀 渝版图书达成多项西语版权意向,12岁的帕哈罗社区居民奥利弗·冈萨雷斯在临时安置点告诉美联社记者，他和家人大约凌晨5时被疏散，当时他只来得及带走手机、笔记本电脑和其他一些重要物品。“我吓坏了，我妈妈的汽车还在水里泡着。”,云顶娱乐网页版注册登录。

  12月24日,大国小巷·首善之治｜家门口的民生“议事厅”,陈兵表示，低利率虽给资管机构带来现实挑战，但只要坚持错位发展、打造核心竞争能力，就能将挑战转化为机遇。他指出，国内低利率环境已推动投资者需求发生重大转变：客户纷纷降低不动产配置比例、增加金融资产投资；在超额收益显著收窄的背景下，客户不再单纯追求单一产品收益，对风险隔离、财富规划的需求更为旺盛。各类资管机构可顺势而为，通过“四新”服务模式实现发展范式转型。,棋牌斗牛二八杠,九州平台网站,bob81体育。

  时事2：Ag8亚洲游

  12月24日,中国新疆两千多年前金箔科技考古：揭秘亚欧大陆早期“黄金之路”,大家中午好，我们是一家科技公司，我今天发言的主题是“融资租赁业务系统，赋能租赁业务转型发展”。其实今天上午几位嘉宾也说过了，所有的想法、所有落地的方案，事实上现在都需要科技赋能。所以我们现在就做这么一件事情。我今天从三个方面和大家做一个分享。,葡京首页app下载,赌场网址排行榜,澳门萄京。

  12月24日,体操奥运冠军黄旭：中华体育精神带给我力量,青海省军区少将副司令员朗杰、工商银行青海省分行行长博来共同揭牌，西宁警备区大校司令员刘翔宣布了任职命令，市委常委、市政府副市长王刚参加活动并致词。,菲律宾太阳城赌城,蓝湾国际真人娱乐,南海观音彩报。

  时事3：365bet体育

  12月24日,原云南省农业厅党组书记、厅长张玉明接受审查调查,总台记者在震中卡赫拉曼马拉什省看到，有双向道路被损毁变窄，一条笔直的铁轨在强震作用下，几乎弯曲成90度。,im电竞平台首页,正规mg官方网,188金宝慱体育官网。

  12月24日,香港入境处为受大埔火灾影响居民补办证件,据中国载人航天工程办公室消息，神舟十五号航天员乘组将择机执行第一次出舱活动。目前，神舟十五号航天员乘组状态良好，空间站组合体运行稳定，具备开展出舱活动条件。,必博在线买球,巴黎人网址导航,ag真人是哪里开出来的。

  时事4：世界杯哪里投注比较稳

  12月24日,沪上火车模型主题展人气旺　揭秘微缩世界“铁道狂想曲”,“哪怕是批发生意，当地人进货时都有一个习惯，就是一旦认准某位店员，就会反复从他那里拿货，一位店员销售业绩主要取决于他积累的客户资源。每个柜台都会有一位本地员工，他可能还会带一位徒弟，往往是这位店员的亲戚。”彭昌国坦言，凡是新员工都需要一段时间积累客源。,乐虎国际登录,金沙电子游戏平台,电竞官方。

  12月24日,大比分获胜！王楚钦谈“莎头组合”：比以前合拍很多,拉长时间线来看，在内外部多重压力下，本世纪以来，佛山工业生产总值占全省比重走出“先升再降”的曲线——2002年至2009年，比重从12.50%攀升到17.15%，创下历史新高。但从2010年开始占比整体下滑，2021年回落至15.30%。,大发welcome网站,12betapp官方,点球体育官网。