控制与决策

作者：赵宏,郑狄威

单位：兰州理工大学 计算机与人工智能学院，兰州 730050,,兰州理工大学 计算机与人工智能学院，兰州 730050,

关键词：图像合成;扩散模型;特征融合;注意力机制;无训练;图像编辑

基金：国家自然科学基金项目(62166025).

现有基于扩散模型的无训练图像合成方法通常在背景图像指定区域嵌入前景图像特征信息, 引导图像合成过程. 然而, 这种嵌入方式会干扰扩散模型去噪过程, 导致前景与背景不一致、语义对齐不佳等问题. 为此, 提出一种新颖的无训练图像合成方法, 包括互补融合特征嵌入和自适应特征重组两个模块. 首先, 互补融合特征嵌入引入由U-Net自注意力机制提取的组合图像特征, 该特征由前景与背景图像特征构成, 能够在保留前景信息的同时, 补偿传统嵌入方式所丢失的背景语义信息; 随后, 嵌入组合图像与前景图像的融合特征以引导合成过程, 并调控嵌入特征的数量以降低合成偏差; 同时, 为解决特征嵌入带来的图像过渡区域伪影问题, 引入自适应特征重组策略, 该策略通过分析相邻特征协方差关系, 识别并替换导致不连贯伪影的异常特征, 从而提升图像的连贯性. 实验表明, 所提出方法提升了语义对齐、背景与前景一致性, 实现了更协调的合成效果, 为无训练合成任务提供了解决方案.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期