猫眼电影记者 约里奥 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：bbin在线买球

  12月25日,“不放弃任何一个求助”——香港消防员的48小时火海奋战,今年以来，经济大市表现越发稳健。去年一季度，四座一线城市中仅有深圳GDP增速跑赢全国大盘，而今年同期，深圳和北京都实现6%以上的增速。,b体育官网安康。

  12月25日,商业航天，从发射场到“三链协同”,“在报备理财产品代销合作协议时，当地金融监管部门也多次提醒务必关注理财产品代销环节的销售误导风险，一旦相关客诉率异常增多，这份合作将面临叫停风险。”李卓说。,优德体育网址大全,世界杯投注站下载,世界杯买球图片。

  时事2：威尼斯人平台

  12月25日,新疆胡杨河市加强部门协作，维护劳动者合法权益,一、货币政策方面，应尽快大幅下降政策利率，扩大PSL规模，让市场看到和相信央行提升价格水平的决心。,葡京手机娱乐app,爱体育,亚美体育官网在线。

  12月25日,海口深化打造“国际演艺之都” 明年拟引进大型演唱会超12场,据日本共同社昨天（9日）报道，在当天的参议院外交防卫委员会上，防卫省提出了一项大胆的考虑，即允许自卫队招募有文身的应募者。报道援引退役前自卫队干部、自民党议员、军事评论家佐藤正久的观点称，在目前的少子化、老龄化背景下，有必要采取措施保障自卫队的员额（数量充足）。,MG真人app官方,皇冠官网站注册,艾弗森代言贝博app下载。

  时事3：158致富网

  12月25日,甘肃发布未来五年高质量发展“头号任务”,徐兴建：男，1965年10月出生。曾任华建国际集团投资总监；信达财险第一届董事会执行董事、副总裁；中国金谷国际信托公司董事长、党委副书记；中国信达公司管理部总经理、市场开发部总经理、集团管理部总经理。自2014年11月起任信达财险党委书记，第二届董事会执行董事、董事长，2016年4月连选连任第三届董事会执行董事、董事长。,牛牛抢庄越抢庄牌越大,m6官网app下载苹果版,线上博狗网平台。

  12月25日,建筑中的上海民革记忆绘画摄影作品展嘉定巡展举行,“量”少，“质”也不优。在首轮“双一流”高校建设名单中，浙江仅有1所高校入选。尽管在第二轮名单中增至3所高校，但在全国省份中仍属落后梯队，与周边上海、江苏等动辄10多所高校入选的省市相比更是强弱悬殊。,下载银河app,好玩的百人牛牛棋牌游戏,博鱼app官方。

  时事4：188体育APP首页

  12月25日,残特奥会田径（马拉松）项目在深圳举行 金华、周召倩分获T54级男子、女子冠军,赵瑞瑞进一步补充，在大规模储能领域，当前钠电池整体制造成本略高于锂电池；但在对循环性要求相对宽松的产品领域（如两轮电动车），钠电池的成本已能与锂电池持平。,世界杯投注攻略,凯时88kb88准认来就送38,亚洲杯足球比分直播。

  12月25日,从8大热点事件，看2025年中华文化如何联通世界,值得一提的是，商业养老金是国民养老保险发力的重点，2025年仅商业养老金业务销售金额就达336.17亿元。国民养老保险方面对记者表示，公司是首批入围个人养老金业务试点的机构，截至2025年11月底，累计有33款产品入池。,通天国际,黄冠,博狗网址。