HiCo – 360 AI研究院推出的布局可控AI绘画模型-爱论文

HiCo是什么

HiCo是360 AI研究院推出的基于扩散模型的层次化可控布局到图像生成模型，HiCo基于多分支结构设计，实现对对象位置和文本描述的精确控制。HiCo的关键特点在于进行空间解耦，有效地处理复杂布局，减少对象缺失和视角冲突等问题。HiCo在自然场景的多目标可控布局生成中表现出色，引入HiCo-7K基准测试集。HiCo模型展示了与快速生成插件（如LoRA、LCM）的兼容性，能生成高分辨率图像，在处理多概念组合布局时仍有改进空间。

HiCo的主要功能

层次化布局控制：HiCo基于层次化结构对布局进行建模，实现对背景、前景及空间关系的精细控制。对象级可控生成：模型根据对象的文本描述和空间位置条件独立生成每个对象，确保生成图像的准确性和一致性。多分支结构融合：用多分支网络独立处理不同区域，基于融合模块（Fuse Net）合并特征，生成复杂布局的图像。快速生成插件兼容：HiCo与快速生成插件（如LoRA、LCM）兼容，加速图像生成过程，保持高质量输出。HiCo-7K基准测试：引入HiCo-7K基准测试集，评估模型在多目标可控布局生成方面的性能。灵活扩展性：模型支持集成不同插件或调整参数，适应不同的生成任务，如个性化生成或多语言控制。

HiCo的技术原理

层次化建模：HiCo用层次化结构对输入的布局信息进行建模，捕捉从粗糙到精细的空间布局细节。对象可分离的条件分支：每个分支独立处理和生成特定区域的内容，根据对象的文本描述和空间位置条件生成图像。扩散模型：基于扩散模型，迭代去噪过程从噪声数据中恢复出清晰的图像，用条件引导生成过程。融合模块（Fuse Net）：掩码技术分离不同前景和背景区域的内容，在合并过程中保持各自的独立性。低秩适应（LoRA）：兼容LoRA技术，快速适应新任务或风格，无需从头开始训练整个模型。快速推断能力：设计快速推断机制，如HiCo-LCM（Lightning）和HiCo-Lightning，用并行处理和优化的网络结构加速图像生成。

HiCo的项目地址

项目官网：360cvgroup.github.io/HiCo_T2IGitHub仓库：https://github.com/360CVGroup/HiCo_T2I（即将开源）arXiv技术论文：https://arxiv.org/pdf/2410.14324

HiCo的应用场景

图像编辑和合成：在图像编辑中，根据文本描述和位置信息精确地添加、修改或移除图像中的对象，适合需要精细控制视觉布局的场景。游戏和娱乐：在游戏设计或电影特效制作中，生成复杂的场景布局，包括角色、道具和背景元素，提高创作效率和视觉效果。虚拟现实（VR）和增强现实（AR）：在VR和AR应用中，生成符合特定布局要求的虚拟环境，为用户提供更加沉浸式的体验。广告设计：根据广告创意和布局要求快速生成吸引人的广告图像，提高广告设计的效率和质量。数据增强：在机器学习和计算机视觉任务中，生成训练数据，特别是在需要特定布局或场景的数据集时，增强模型的泛化能力。