🔥 今日值得一读
冻结DiT也能精准控图！AcFlow让风格对齐飙至0.5365，还能干掉不想要的画面
AcFlow: Controlling Text-to-Image Diffusion Transformers via Learned Conditional Activation Flow
👨💼 主理人解读 · 为什么值得关注
无需微调即可连续调节生成图像的风格强度或屏蔽特定概念，适合内容安全与风格定制场景。
📖 AI 总结
AcFlow是一种面向文本到图像扩散Transformer（DiT）的推理时控制器，旨在解决直接提示在风格强度调节和抑制不良概念方面的局限。其核心思路是在保持基础DiT冻结的前提下，通过学习到的概念条件速度场，对中间层图像token激活进行传输：文本概念描述指定干预目标，积分时长则提供连续的控制参数，且该速度场产生随token变化、依赖激活状态的更新。由于同一任务族内各概念共享参数，该方法无需针对单个概念拟合，即可支持细粒度描述并泛化到训练中未见的概念。在风格控制任务上，AcFlow在高风格对齐区间取得了最优的风格—内容权衡，固定操作点下风格与内容对齐度达0.5365/0.2860，优于最强基线风格对齐方法的0.4397/0.2684；定性结果还显示其能抑制多种概念，包括直接提示失效的情形。分析表明，该学习速度场是一种自适应控制机制，其更新方向因token而异并取决于激活状态。
🔑 关键词速览
| AcFlow | 一种推理时控制器，通过学习的条件速度场传输中间层激活，以控制文本到图像扩散Transformer的风格强度和概念抑制。 |
| Diffusion Transformers (DiTs) | 基于Transformer架构的扩散模型，用于文本到图像生成，具有强大的生成能力。 |
| Conditional Activation Flow | 以概念为条件的速度场，用于在推理时传输中间层图像token激活，实现连续控制。 |
| Style-Content Trade-off | 在风格控制中，平衡风格对齐与内容保持之间的权衡关系。 |
| Inference-time Controller | 在模型推理阶段介入的控制机制，无需重新训练或微调基础模型。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅