猫眼电影记者 卡瓦迪 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：可以赢真钱的app

  12月25日,从谢家坝到华家口 解码大运河河北段的水工智慧,双方重申致力于构建更加公正稳定的多极化国际格局，无条件全面尊重并遵守《联合国宪章》宗旨和原则，维护真正的多边主义。双方强调应进一步加强“捍卫《联合国宪章》之友小组”的工作。,爱游戏在哪开户。

  12月25日,走进民企看发展｜中国智慧重塑出行方式,海底捞北京合生汇店的相关负责人告诉第一财经记者：“今年过完年到现在，店里一直都很忙，再加上我们门店周围的商超、办公楼、居民区也多，顾客消费群体以年轻人为主，工作日正常每天接待量在300桌左右，节假日周末我们每天的接待量都要超过500桌。今年到店吃火锅的顾客明显比去年多，人流量回来了，人气旺了。”,杏彩网页版地址,99hg皇冠登录,线上网投app。

  时事2：com体育 koksports

  12月25日,英国：英格兰住院医生开始为期5天的罢工,不久前，大连市软件和信息技术服务业高质量发展推进会议召开，提出举全市之力重新振兴软件和信息技术服务业。大连市委书记熊茂平强调，要准确把握当前软件产业发展的新趋势、新特点、新变化，加快拉长长板、补齐短板、锻造新板，夯实产业基础、革新产业结构、优化产业生态，加快打造具有国际竞争力的软件名城。这也将是大连冲击万亿俱乐部的重要破局方向。,米乐课堂电脑版下载,聚星平台网址,万博官网登陆页。

  12月25日,患者成素材？医疗科普泛娱乐化不可取！,据英国广播公司（BBC）2月9日报道，泽连斯基访英之际，乌英两国领导人会晤讨论“双管齐下的英国对乌援助”，其中包括立刻增加军火援助以应对俄军春季攻势，以及强化长期支持。此外，泽连斯基还在白金汉宫会见了英国国王查尔斯三世，并在英国议会下议院发表演讲。,优德在线娱乐,盛世网彩票平台登录,财富特码诗。

  时事3：2026足球世界杯买球

  12月25日,2025全球文化IP产业发展大会在沪启幕 共探“文化IP+科技”融合全球化新路径,虽然LBMA体系成熟高效，但近年来央行越来越多采用非LBMA渠道，背后有深刻的战略意图。,ag国际厅bbin真人直营网,世界杯买球app牟fc3,com,尊龙人生就是博手机版下载。

  12月25日,海外记者在广西体验独弦琴演奏 了解京族文化发展,汪争猛说，近日刘院村村民通过企查查等APP搜索，初步统计，被冒名登记个体工商营业执照的“在100户到200户之间”，一些家庭里还有三人名下都有个体工商登记信息。,韦德体育全站APP,广东会vip,AG旗舰厅登录。

  时事4：ope电竞官网

  12月25日,马来西亚音乐代表团在京研学感受中轴线魅力,报道说，该网友当时立刻打电话到派出所报警，警员说便利店附近没有监控器，虽然无法知道是谁窃取她的鸡蛋，但可以协助她再买两盒蛋，她听完后立刻拒绝，“是我自己没用，请警员帮忙买蛋感觉是浪费警力吧！”,澳门金沙手机app,gpk极速彩金捕鱼攻略,金博宝188官网。

  12月25日,太阳辐射影响空客A320系列客机 全球约6千架飞机紧急维修,据不完全统计，仅今年5月以来，全国已有数十所高校升格、更名、新增及转设等获教育部批复的消息先后公布。,华体网即时比分,充钱赢钱的平台,斗牛牌怎么玩法。