MegaStyle：通过一致的文本到图像风格映射构建多样化且可扩展的风格数据集

在本文中，我们介绍了 MegaStyle，这是一种新颖且可扩展的数据管理管道，它构建了风格内一致、风格间多样化且高质量的风格数据集。我们通过利用当前大型生成模型一致的文本到图像样式映射功能来实现这一目标，该模型可以根据给定的样式描述生成相同样式的图像。在此基础上，我们策划了一个包含 170K 风格提示和 400K 内容提示的多样化且平衡的提示库，并通过内容风格提示组合生成大规模风格数据集 MegaStyle-1.4M。通过 MegaStyle-1.4M，我们提出了风格监督对比学习来微调风格编码器 MegaStyle-Encoder，以提取富有表现力的、风格特定的表示，并且我们还训练了基于 FLUX 的风格转移模型 MegaStyle-FLUX。大量的实验证明了保持风格内一致性、风格间多样性和高质量的风格数据集的重要性，以及所提出的 MegaStyle-1.4M 的有效性。此外，当在 MegaStyle-1.4M 上进行训练时，MegaStyle-Encoder 和 MegaStyle-FLUX 提供可靠的风格相似性测量和可泛化的风格迁移，为风格迁移社区做出了重大贡献。更多结果请访问我们的项目网站 https://jeoyal.github.io/MegaStyle/。