猫眼电影记者 李振 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：威尼斯人电竞平台正规吗

  12月25日,亚太和平博物馆让亚洲二战历史“被看见”,IMF的黄金通常存在几个指定的交割库，例如在纽约、伦敦、上海和巴黎。交易需遵循IMF的章程，通常需要获得大部分成员国的批准。,狼堡贝博网站。

  12月25日,交通运输部：“十五五”时期将谋划建设一批重大工程项目,期间，美国保守派媒体纷纷下场，批评这一行为不妥。如福克斯新闻网称这一吻“令人尴尬”，《每日连线》编辑则质疑称两人用“嘴唇相贴”的吻问候“正常吗”，《纽约邮报》也称这一问候吻“怪异”，并补充称“总统妻子和副总统丈夫的亲吻似乎没有让附近的人感到不安”。,棋牌pg电子游戏软件平台,伟德体育在线注册,永利评级。

  时事2：凯时官网手机版

  12月25日,“链”上湖南 “湘”创未来丨一门戏，六百年 茶陵“守艺人”的传承与破圈,她表示，每一次生产力迭代都催生工业革命，当下布局新质生产力，核心是应对市场环境挑战：通过降本增效，以最低成本实现最高收益。我们能做的，是在不可控的大环境中，聚焦可控的用户精细化运营——用AI赋能用户经营，最大化转化率，提升生产效率。,AG试玩一百万的平台,网上手游赌博,澳门金沙棋牌大全。

  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,从这一维度来看，郑州对于全省文化旅游产业而言，发挥着举足轻重的作用。根据《郑州市“十四五”文化广电和旅游发展规划（征求意见稿）》，郑州要将文化和旅游业打造为郑州市战略性支柱产业、郑州市现代服务业的排头兵和主力军。具体而言，到2025年，旅游人数要达到1.83亿人次，旅游收入要达到2346亿元，文化及相关产业增加值要达到618亿元。,千亿pt官网,新浪彩票世界杯投注,果博网站是什么。

  时事3：bb电子游戏app下载

  12月25日,八件民生实事拼出2025上海幸福拼图，让城市进步可感可及,姚广长期在外交部工作，担任过外交部副部长，曾是中国驻加拿大大使、驻法国大使。,凯时官方下载,sungame,永利博澳门。

  12月25日,我国发现新矿物：5步完成新矿物的发现和获批,亿纬锂能成立于2001年，于2009年在深圳创业板首批上市，历经20余年发展，已成为全球化布局的全场景锂电池企业。其工厂布局在广东惠州、湖北荆门及武汉、四川成都、云南玉溪及曲靖、江苏启东、浙江宁波、辽宁沈阳、匈牙利、马来西亚及美国。,二八杠现金开户网址,澳门太阳成官网,pt游戏哪些平台有。

  时事4：欧宝娱乐平台正规吗

  12月25日,演员何晴告别仪式在京举行 众人送别,今年2季度，在高管班子人数最多的时候，该公司共有4位副总裁（包括拟任副总裁）。但二季度副总裁马昌明简历从高管简历中撤下，其今年1月满60周岁，大概率为到龄退休。,威尼斯人手机官网版,立博登录官网,视讯真人游戏免费试玩。

  12月25日,风高浪急油轮失控 东海救助局成功救援,“2026年由于消费维持高速增长，导致碳酸锂有望由供需失衡格局向紧平衡格局转变。”一德期货指出，长周期看，2025年6万附近的底部已经确立，明年一季度由于动力电池趋弱叠加国内枧下窝矿复产以及春节等因素影响，会有一定幅度的回撤，但是只要储能消费增速没有明显的回落，碳酸锂由供需失衡向紧平衡转变的趋势就不会改变。,正规app买球官网,爱体育平台怎么样,宝马线上娱乐登录网站。