猫眼电影记者 艾瑞克-诺思曼 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：在线赌钱app下载

  12月26日,“带娃新宠”悄然走红 AI玩伴能让家长省心放心吗,双方认为，在上海合作组织框架内开展合作是加强两国全面战略协作伙伴关系的重要方向。双方将继续协作努力，把上海合作组织打造成具有权威性和影响力的多边组织，使其在构建新的公正稳定的多极化国际格局中发挥更大作用。,365bet体育手机客户端下载。

  12月26日,国际锐评丨新一年的“中国机遇”,18日晚，福建全省防汛救灾工作视频会议在省应急指挥中心召开。福建省委书记周祖翼在会上强调，防汛救灾工作事关重大，要实之又实、细之又细，不折不扣做好防汛救灾各项工作。并要求，要加强组织领导，推动各级干部充分下沉到防汛第一线，确保防汛救灾工作落到实处。,免费下载银河app,爱游戏体育平台网页版,尊龙新版手机app。

  时事2：云顶手机网投

  12月26日,雄安迎来今冬首场降雪,国际清算银行（BIS）于1930年在瑞士巴塞尔注册成立，为全球各国的中央银行提供一系列专业的金融服务。瑞士凭借其永久中立国地位和悠久的银行保密传统，成为全球资金的“避风港”。,ag真人哪里玩,世界杯投注投不了了,亚博注册送18。

  12月26日,黄河山西河曲段进入大面积流凌期 流凌长度达50公里,靳东在若尔盖县工作了6年，先后任县委副书记，代理县长和县长职务。若尔盖县平均海拔3500米，高寒缺氧，严寒期长。艰苦的条件下，他不是践行入党誓词，发扬艰苦奋斗的精神努力工作，而是在金钱的诱惑下迷失了自我。,一肖平特图,73棋牌游戏平台,金博体育。

  时事3：世界杯外围投注犯法么

  12月26日,记者手记｜美国圣诞季遭遇“价签冲击”,6月13日起，宁波出租汽车行业驾驶员从业年龄将正式放宽至65周岁。需要注意的是，宁波这次放宽年龄并不是延迟退休，而是退休返聘。,鸿图国际,m8米博体育正规吗,bet9九州体育信誉。

  12月26日,欧盟延长对俄罗斯经济制裁6个月,其中，电子信息、汽车制造两大行业产值都实现两位数增长，同比分别增长10%和15.8%，对苏州规上工业总产值增长贡献度合计达58.5%。,jbo网址,正规网赚平台,aoa体育官网网址。

  时事4：mg游戏官方网站

  12月26日,宁夏冬季旅游促消费活动在泾源县启幕,英国资产管理公司南北资本合伙人兼投资组合经理卡米尔・迪米奇表示：“目前已上市的芯片企业，其估值均缺乏基本面支撑，几乎完全由市场热度驱动。”,棒球比分,牛仔娱乐捕鱼游戏,球探比分苹果手机旧版。

  12月26日,“儿童康复万里行”项目跨越六省惠及近2000名特殊儿童,此外，值得关注的是，今年以来该公司高管班子也出现了大幅度调整。1位“60”后高管离任，3位“70后”上任，另有4名高管职责范围大调整，高管团队整体更加“年轻化”，展现出明显的重新优化组合、年轻化态势。,世界杯网站赔率,体育平台排行榜前十名,365体育投注英超欧冠。