猫眼电影记者 王正祥 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：杏耀登录官网

  12月25日,“玲龙一号”全球首堆完成非核冲转试验,克瑞尼什旗下一只追踪在美上市中国股票的交易所交易基金 KWEB，今年以来涨幅已达三分之二，基金规模接近 90 亿美元。该基金持仓包括腾讯、阿里巴巴和百度等企业。,次次存送优惠的网站。

  12月25日,（乡村行·看振兴）安徽五河民生账单里的温暖印记,关于如今的中美关系，中国外交部发言人毛宁表示，中方始终按照习近平主席提出的相互尊重、和平共处、合作共赢三原则看待和发展中美关系，同时坚定捍卫自身主权安全发展利益。此次飞艇误入美国领空完全是个意外偶发事件，但考验的是美方对稳定和改善中美关系的诚意以及处理危机的方式。美方应同中方相向而行，妥善管控分歧，避免误解误判、破坏彼此互信。,沙巴官方下载,爱游戏官方app,米乐最新版APP。

  时事2：万博maxbextx客户端

  12月25日,国家统计局：11月份国民经济保持稳中有进发展态势,和泽医药常务副总经理赵航发表致辞，她介绍了和泽医药围绕“共研共投”打造的合作模式与资源体系，强调将以临床开发、转化服务与资本力量为抓手，与优质项目建立长期深度合作。,手机必威网页登录,莲花国际,买滚球的app软件有哪些。

  12月25日,山西高平链就村民“梨”想致富路,香港交易所集团行政总裁陈翊庭表示：“香港交易所在2024年第一季展现实力和韧性。尽管全球宏观环境疲弱，集团的衍生产品及商品业务仍然表现强劲，衍生产品的成交量更创下季度新高。虽然股票市场受宏观市场气氛影响持续疲软，但今年三月和四月的平均每日成交额已经明显回升，显示投资者信心有所复苏。”,365bet网球直播地址,澳门游戏网站大全,哪个网站可以十万AG。

  时事3：缅甸东方巴黎人

  12月25日,与世界各国共享机遇共同发展——扩大高水平对外开放，开创合作共赢新局面,空间中一个物体接近另一个物体并与之建立物理联系的能力有许多相对无害的军事和商业和民用上的应用应用。在轨检查、加油和服务都是美国军方和美国国家航空航天局（NASA）以及其他许多国家感兴趣的能力，这些能力可以帮助确保各种天基服务在和平时期和未来高端冲突期间不间断地运行。,澳门永乐娱乐,彩票快三在线,亿博全站APP。

  12月25日,好评中国丨韧性当先，读懂中国发展的底气,世界杯已经扩军为48支球队，中国队如今距离预选赛最后阶段比赛的大门却渐行渐远……,明升网址,澳门百老汇线上,至尊娱乐游戏网址。

  时事4：K8凯发官网是多少

  12月25日,（文化中国行）“华夏第一爵”揭秘青铜文明 AR技术复活3600年前铸造术,CF40资深研究员、中国社科院世界经济与政治研究所副所长张斌表示，一季度实际GDP增速超出全年目标，名义GDP增速过低，经济增长的获得感偏弱，对未来的预期偏弱。,澳博体育在线注册,卡塔尔世界杯投注量,365体育平台官方。

  12月25日,周六迎欧冠首战 再赴德国的樊振东持续带火欧洲乒乓市场,皮卡尔表示，马拉蒂亚市许多道路都处于关闭或破坏状态，救援车辆难以进入所有需要帮助的地区，低温天气也阻碍了救援进度。“由于寒冷，我们的手无法拿起任何东西，我们需要专业机械。”他说。,AG亚游集团8位人气女星,足球体育软件,贝博bb平台德甲狼堡。