猫眼电影记者 江必新 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：宝马线上电子娱乐网站

  12月24日,交通运输部：预计今年中国跨区域人员流动量超660亿人次,5月6日下午，甘肃嘉峪关市教育局工作人员回应极目新闻记者称，赵菊英于2023年从该市某小学退休，针对网友们反映的问题，教育局将介入调查。,华体育app下载手机版。

  12月24日,2025中国公路自行车职业联赛暨“环云南”公路自行车赛收官,据《纽约邮报》等报道，事后邓肯接受采访时表示，当时他的演讲还没开始多久就被强行打断了，他指责副院长与一些左翼学生沆瀣一气攻击自己，“在我看来，这是一个圈套，她和学生是串通好破坏活动的。”,乐鱼电子游戏官网,1bet,2021金盛娱乐网站。

  时事2：奥门金沙1991下载

  12月24日,东西问丨意大利前总理普罗迪：让欧中关系更紧密是我的梦想,中国、沙特、伊朗三方联合声明显示，沙特和伊朗代表团3月6日至10日在北京举行会谈。会谈时间满打满算，一共5天。,世界杯竞猜投注注意,哪个平台可以赌足球,18bet体育移动版。

  12月24日,打通“末梢梗阻”城乡共饮放心水 以水为“媒”促增收撑起农户“钱袋子”,后来，张青莲又一次生病做手术，花了2万多块钱，新农合报销了几千元，申请大病医疗补助又遇到同样问题。汪绪金到村委会申诉，村里去镇工商所帮忙注销了相关个体工商信息，才申请到2800元。但申请低保，后来再无下文。“如果申请到低保，我妈妈的手术报销比例会更高。”汪文燕说。,kb88登录,2026年世界杯冠军投注,捕鱼游戏有什么技巧赢金币吗。

  时事3：胜利足球

  12月24日,黑龙江省绥化市人大常委会原副主任宋树生被开除党籍,总体我们采用大中台框架搭建系统。以低空经济定制案例为例，无论是eVTOL、直升机、低空卫星还是储能电池，都可以用同一套系统支持。我们坚持“一平台多业务”，避免业务人员每接触新业务就要熟悉新系统。我们以强大技术底座快速响应市场多变的融资需求，从而完成系统建设。,现金斗地主官网,新永利赌博平台,酷游ku游登录入口。

  12月24日,广东消防支援10架无人机助力香港救灾 香港消防处：效率倍增,主持人称“很明显北约（全称北大西洋公约组织）是北大西洋的（组织），而不是太平洋的（组织），但在‘台海冲突’中，美国在太平洋的军事基地很容易成为目标。你能想象北约卷入与中国冲突的任何情况吗？”,买球app平台,播播开心网,申博赌场网站。

  时事4：kb体育平台官网入口

  12月24日,丝路华教发展对接会：共话AI助力华文教育发展,方颂贤指出，市场正在寻找 “机器人和人工智能等高科技领域的潜在领军企业。相较于西方同类企业，这些中国企业拥有更明确的政策导向支撑和相对估值优势”。她预计，未来将有更多资金流入该领域。,大奖快3全天计划,华纳娱乐平台,二八杠棋牌游戏大全。

  12月24日,93次还款 9年坚守 80岁老人用行动书写诚信答卷,新华保险“空中柜面”不仅是技术创新的成果，更是以客户为中心、切实维护消费者权益的服务承诺的体现。未来，新华保险表示将围绕“数字新华、智能新华、创新新华”，积极推动数字化转型，通过空中柜面等系列项目，在智能服务升级、技术创新落地中持续发力，为高质量发展注入新动能。$新华保险(601336)$新华保险(HK1336),速发365网站,银河电玩地址,美高梅棋牌游戏。