猫眼电影记者 陈选 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：所有棋牌游戏官网

  12月24日,同江至俄罗斯下列宁斯阔耶港浮箱固冰通道开通,但从行动来看，却呈现环比收敛迹象。短期流动性投放部分，不管是相对于往年同期，还是相较于近半年，投放的力度并不大，整体甚至略弱于季节性；中长期流动性投放部分，12月3个月期买断式逆回购平量续作，6个月期买断式逆回购净投放2，000亿元，一个年期MLF净投放1，000亿元，整体净投放3，000亿元，若12月的国债买卖小于3，000亿元，则基本上低于8月份至今的6000亿元以上的中长期流动性投放水平。,凯时登录网站kb88。

  12月24日,借力“十五冬” 辽宁冰雪“冷资源”释放“热效应”,会谈后，两国元首共同签署并发表《中华人民共和国和俄罗斯联邦在两国建交75周年之际关于深化新时代全面战略协作伙伴关系的联合声明》，并共同见证签署经贸、自然保护、检验检疫、媒体等领域多项双边合作文件。,华体会app平台,国际雄起妙方真人视频,kaiyun体育app官方入口。

  时事2：真金电玩城官网下载

  12月24日,中美青年在广西对话 传承飞虎队精神共筑友谊桥,例如，英国资产管理公司拉夫尔表示，其已 “刻意限制” 对美国七大科技巨头的投资敞口，并计划增持阿里巴巴股票，以扩大在中国人工智能领域的投资布局。,八方体育登录入口,365体育注册开户,三亚扎金花。

  12月24日,广州地铁二十二号线将全线贯通 城西至南站仅17分钟,战略转型的漫长征程：虽然康养生态的蓝图绘就，但短期内难以改变传统业务“一条腿走路”的局面。从销售保单到提供“产品+服务”的综合解决方案，需要巨大的资源投入、时间沉淀和跨行业整合能力，这对公司的战略耐心和执行能力构成了严峻挑战。,沙巴官网国际,看俄罗斯世界杯的网站,欢乐赢三张app。

  时事3：澳门威斯尼斯人官网0024

  12月24日,广西以AI为桥 携手东盟共拓数字经济新蓝海,2025 年 4 月 2 日，特朗普总统现身白宫，公布其 “解放日” 关税政策。,K8凯发开户,365bet正规的平台,葡京线上注册。

  12月24日,残特奥会象棋、围棋比赛在珠海收官,报道称，布林肯进一步称，“这是一个不断发展的过程，关于我们认为乌克兰需要什么，我们认为在使用中最有效的是什么，我们将持续作出判断。”,葡京体育怎么注册,梭哈策略,上葡京网投。

  时事4：足球体育

  12月24日,广东电网输电线路总长10.59万千米 四维度深化大湾区电力合作,股权结构上来看，该公司国有股份占比76.832%，民营股份占比23.168%。实控人为深圳国资委，通过深圳市投资控股有限公司（以下简称“深投控”）持有国任保险41%的股份。,万博外围体育,凯时登录官方网站,贝博体育官网入口网站。

  12月24日,洛杉矶警方调查名导演住宅命案 两名死者年龄与罗伯·莱纳夫妇相符,在正式出舱前，航天员在轨完成了多次出舱活动演练，本次出舱将是“圆梦乘组”的首次出舱任务，也是中国空间站建成后的首次出舱任务。接续梦想，矢志飞天，让我们一起期待属于中国载人航天与“圆梦乘组”的精彩时刻。,pg电子模拟器下载苹果,猎豹国际真人,真棋牌。