UniVerse：用于无分段、解开的多概念个性化的统一调制框架

个性化视觉理解取得了显着进步，但当输入图像包含多个对象时，现有方法很难定位和提取特定概念。许多现有方法严重依赖基于分割的监督或表现出较差的组合概括，限制了它们准确解开和操纵单个概念的能力。在这项工作中，我们提出了 UniVerse，一种统一调制框架，用于扩散 Transformer 中的无分割、解开的多概念个性化。我们的方法允许可组合和可分解的概念提取，无需显式分割掩模即可实现目标对象的细粒度定位和表示。 UniVerse 学习将复杂的场景分解为特定于概念的表示，然后以统一的方式组合它们，从而在不同的视觉上下文中实现强大的个性化。通过对多个基准的大量实验，我们证明 UniVerse 在定位精度和视觉保真度方面均显着优于最先进的基准。定性和定量结果表明，我们的方法可以在杂乱的场景中精确提取目标概念，为更灵活、可解释和个性化的视觉生成和理解铺平道路。