猫眼电影记者 罗牛山 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：米乐m6平台官网

  12月23日,“天地之中·‘镜’界郑州”全国摄影展开幕 AI串联古今影像,全球安全倡议当然不是空话，沙伊对话成为有力践行全球安全倡议的一次成功实践。,kk棋牌。

  12月23日,南部战区位中国黄岩岛领海领空及周边区域组织战备警巡,5月10日，中新（西兰）两军在西安举行第11次战略对话。双方围绕共同关心的国际和地区问题坦诚交换意见，表达了共同致力于推动两军交流合作的积极意愿，增进了相互了解和信任。,金沙澳门手机版,bob电子竞技官网,欧陆娱乐平台登录。

  时事2：乐虎国际体育官方

  12月23日,南华大学退伍医学生捐献造血干细胞 完成生命接力,那么，为什么是中国？王毅给出两个关键词：中国是“善意”“可靠”的斡旋者。,银河网址是多少,ku游官网在线登录,leyu乐鱼电竞娱乐。

  12月23日,秘鲁：山体滑坡致客船沉没 至少12人死亡,6月17日，安徽省委书记韩俊主持召开省级总河长第八次会议。他在会上强调，安徽防汛抗旱工作已进入关键阶段。要以有力举措推进抗旱保种，用好蓄水、引水、提水、调水多种手段，充分发挥引江济淮工程作用，确保按农时完成夏种。以万全准备应对暴雨洪灾，紧盯重点部位，强化预报预警，备齐物资装备，及时有效应对。,吉祥体育投注官网,奥博集团彩票pc28,hth华体会网页登陆。

  时事3：188下载地址

  12月23日,广西柳州一男子持刀行凶致两人身亡 警方悬赏10万元征集线索,“我们希望避免和防止出现现在的情况，但最坏的情况还是发生了，”当地官员路易斯·阿莱霍在社交媒体写道，“帕哈罗河河水午夜时分漫过并冲垮堤坝。”,安卓游戏模式app,亲朋捕鱼爆分时间,彩票平台注册网站。

  12月23日,（走进中国乡村）广西荔浦花农：让兰花香飘海内外,其二，节省外汇储备并支持国内矿业发展。用本币从本国金矿采购，可以节省外汇储备，并能支持国内矿业发展。一些国家的央行（如加纳、坦桑尼亚）要求矿商将一定比例的产量卖给央行，是想储备增加和资金留在国内经济的双赢。,星际官网最新,ku游娱乐入口备用,网上bbin体育。

  时事4：咪乐体育官方网站

  12月23日,市场监管总局：对药品领域垄断行为“露头就打”,目前，全球已建成最长的海底隧道是连接英国和法国的英吉利海峡隧道。英吉利海峡隧道由三条长51公里的平行隧洞组成，总长度153公里，其中海底段的隧洞长度为3×38公里。经过长期勘察和谈判，1986年英法两国签署了《坎特布利条约》，1987年正式破土动工，历时八年建成通车。英吉利海峡隧道大大方便了英法两国之间的交通联系，每年通过隧道的旅客人数达到了1800万人，货运达到了800万吨。,葡京下载安装,有赌博的网址吗,六合皇通胜四字+另三字开奖日独家提供。

  12月23日,研发费用增幅50% 西安百强民企以创新激活民营经济新动能,而今年特朗普总统再度就职后，电动汽车实现盈利的希望变得更加渺茫。特朗普政府叫停或撤销了拜登政府推出的多项电动汽车产销扶持政策与资金补贴，其中影响最深远的一击，就是今年 9 月彻底终止的最高 7500 美元联邦购车补贴。,爱游戏平台下载,西甲买球站,葡京直营平台。